Notice
Accidents du travail dans l’UE-15 et méthodes d’apprentissage automatique-PUDD
- document 1 document 2 document 3
- niveau 1 niveau 2 niveau 3
Descriptif
Cette présentation explore l'utilisation des méthodes d'apprentissage automatique pour analyser et prédire les accidents du travail dans les pays de l'UE-15. En s'appuyant sur les données des enquêtes européennes sur les conditions de travail, l'étude vise à identifier des facteurs de risque significatifs et des schémas récurrents liés aux accidents professionnels. Ces analyses permettent d'améliorer la compréhension des dynamiques sous-jacentes aux accidents du travail et offrent des perspectives pour optimiser les politiques de prévention et de sécurité dans le milieu professionnel.
Intervention / Responsable scientifique
Avec les mêmes intervenants et intervenantes
-
Les données sensibles : anonymisation ou pseudonymisation ?
MboméMarieLes données sensibles et/ou à caractère personnel ont une importance croissante dans nos travaux de recherche. Que l’on soit chercheur ou étudiant, la collecte, le traitement et l’analyse de ces
-
La Plateforme « Humanités numériques » de la MSH de Dijon et son impact sur la recherche en SHS
MboméMarieAlazardCélinePillotLucileCette présentation a pour objectif de souligner l’importance de la Plateforme technologique « Humanités numériques » de la MSH de Dijon dans la recherche en Sciences Humaines et Sociales (SHS).
-
Valoriser les données de la recherche en SHS : dépôt et diffusion des données sur PROGEDO
MboméMarieLa mise en libre accès des données de recherche accroît la visibilité et renforce la crédibilité des travaux scientifiques en assurant une plus grande transparence des méthodologies.
Sur le même thème
-
Conférence FORTRAN 2026-13 - Accidents et maladies liés aux travaux en forêt
Conférence FORTRAN 2026-13 - Accidents et maladies liés aux travaux en forêt
-
Forum Codabench2026: Introduction – Présentation générale de Codabench
LetournelAnne-CatherineLargement reconnue à l’échelle internationale, Codabench permet d’organiser des compétitions et des benchmarks dans les domaines du machine learning et de l’intelligence artificielle. Le LISN a l
-
Reconstruire le mouvement humain - #épisode7
WuhrerStefanieAu Centre Inria de l’Université Grenoble Alpes, la chercheuse Stefanie Wuhrer met l’intelligence artificielle au service du corps en mouvement.
-
Machine Learning Regularization via Information Measures
Iñaki EsnaolaL’effet de l’asymétrie de l’entropie relative est analysé dans le contexte de la minimisation du risque empirique (ERM) avec régularisation par entropie relative (ERM-RER).
-
Minimization and Maximization of Empirical Risks: Applications in Data Unlearning and Decentralized…
BermudezYaizaCette présentation propose une nouvelle perspective sur la minimisation et la maximisation des risques empiriques avec régularisation par entropie relative en apprentissage statistique.
-
Rethinking Generalisation: Beyond KL with Geometry and Comparators
GuedjBenjaminIntervention sur la généralisation en apprentissage automatique, les avancées récentes de la théorie PAC-bayésienne, l’usage des distances de Wasserstein, les cadres généraux de comparateurs, ainsi
-
What is the Long-Run Distribution of Stochastic Gradient Descent?
MertikopoulosPanayotisCette conférence explique le comportement à long terme de la descente de gradient stochastique, en montrant qu’elle tend à se concentrer autour des points critiques de basse énergie d’une manière
-
Clonage de défauts par édition d’objets en 3D Gaussian Splatting
Ait MessaoudSalemPrésentation d’une méthode de clonage de défauts dans des reconstructions 3D par Gaussian Splatting, appliquée à la simulation d’anomalies d’aspect.
-
Physical Models and Machine Learning for Scientific Imaging
MairalJulienDeep learning has transformed image processing, often surpassing traditional methods that rely on precise modeling of optical image formation...
-
Désassemblons le numérique - #Episode14 : Et si demain, l'IA lisait dans nos pensées ?
LotteFabienDans ce nouvel épisode de Désassemblons le numérique, nous vous proposons un petit détour par… votre cerveau ! Enfin, plus précisément, par la façon dont les machines pourraient un jour le comprendre.
-
ML-enhancement of simulation and optimization in electromagnetism
PestourieRaphaëlFull-wave simulations of large-scale electromagnetic devices — spanning thousands of wavelengths while featuring sub-wavelength geometrical details — pose significant computational challenges….
-
Des opérateurs de neurones aux modèles de fondation : Scientific Machine Learning pour les phénomèn…
LehmannFannyLe Scientific Machine Learning a émergé comme un domaine à la frontière entre apprentissage automatique et simulation numérique pour construire des méta-modèles innovants...







