BigDataFr recommande: Faut-il avoir peur de l’intelligence artificielle? […] Entretien avec Stéphane Mallard, évangéliste digital dans les salles de marché de la Société générale. Paul Loubière : Faut-il avoir peur de l’intelligence artificielle ? Stéphane Mallard : Il y a une effervescence sur l’intelligence artificielle, l’IA comme on dit dans notre jargon, depuis les start-up jusqu’au […]
Month: juillet 2016
[Analyticsvidhya – Tip] BigDataFr recommends: 12 Free Mind Mapping Tools For a Data Scientist To Enhance Structured Thinking
BigDataFr recommends: 12 Free Mind Mapping Tools For a Data Scientist To Enhance Structured Thinking […] Let us start this with a simple exercise, the kind of which every data scientist faces regularly: « You have been appointed as a store manager for our worst performing store. What are the possible factors / changes you would […]
[JDN] BigDataFr recommande : L’IoT rend le Tour de France plus attractif #iot
BigDataFr recommande: L’IoT rend le Tour de France plus attractif […] Les spectateurs du Tour de France, massés derrière les barrières qui longent les routes de l’Hexagone, ne verront plus passer en coup de vent une silhouette non-identifiée sur un vélo. Depuis 2015, ils peuvent connaître la position exacte des coureurs en temps réel et […]
[L’Usine Digitale] BigDataFr recommande : Paris expérimente le big data au service de l’urbanisme
BigDataFr recommande : Paris expérimente le big data au service de l’urbanisme […]Mercredi 29 juin, Jean-Louis Missika, adjoint à la Maire de Paris en charge de l’urbanisme, du développement économique et de l’attractivité, et Philippe Dumont, Senior Directeur Cisco en charge de l’activité Villes Intelligentes, ont inauguré, Place de la Nation, le dispositif de capteurs […]
[arXiv] BigDataFr recommends: Limited Random Walk Algorithm for Big Graph Data Clustering
BigDataFr recommends: Limited Random Walk Algorithm for Big Graph Data Clustering Subjects: Social and Information Networks (cs.SI); Physics and Society (physics.soc-ph) […]Graph clustering is an important technique to understand the relationships between the vertices in a big graph. In this paper, we propose a novel random-walk-based graph clustering method. The proposed method restricts the reach […]