Des solutions robustes et efficaces pour relever le défi du "Big Data"

L’ère du "Big Data" se caractérise par le volume et la variété d’informations disponibles. Les statisticiens et les spécialistes des données doivent prendre en charge des données en grande dimension, des structures de dépendance complexes, ou des données prenant des valeurs sur des surfaces non planes telles qu’une sphère ou un cylindre.
Aujourd’hui, plus que jamais, de nouvelles méthodologies sont donc nécessaires, et la recherche dans ce domaine s’est développée de manière exponentielle au cours des dix dernières années. Toutefois, il arrive trop souvent que l’application pratique des techniques proposées soit rendue difficile par les restrictions imposées sur le nombre de variables en jeu, sur le type de dépendance autorisé dans les données, ou sur leur distribution supposée. L’objectif de ce projet est de mettre au point des méthodes susceptibles de relever le défi du « Big Data » avec des solutions robustes, efficaces, et qui ne font pas intervenir des restrictions sur la nature des données à traiter.

Porte-parole

Davy Paindaveine
European Centre for Advanced Research in Economics and Statistics (ECARES, Solvay Brussels School of Economics & Management)
Département de Mathématique (Faculté des Sciences)

Partenaires

David Preinerstorfer, ECARES (Solvay Brussels School of Economics & Management)
Thomas Verdebout, Département de Mathématique (Faculté des Sciences)

Dates
Créé le 5 septembre 2018