Développements analytiques pour le marketing numérique et le recrutementde donateurs d’organismes à but non lucratif

Plusieurs fondations, comme la fondation Marie-Vincent, sont particulièrement touchées dans le contexte de la crise actuelle de la COVID. Une partie importante des initiatives de financements étant normalement effectuée lors d’événements physiques d’envergure, l’obtention du financement pour maintien des activités est une préoccupation.

Enrichissement des données administratives en santé avec des données géospatiales pour un système d’aide à la décision de prévision des résultats de santé

Le but de ce projet est d’utiliser une base de données administrative en santé enrichie par des indicateurs géographiques et géospatiaux pertinents (exposition aux risques, accès aux ressources, facteurs sociaux et environnementaux) permettant de prédire les résultats et les coûts de santé et, partant, la valeur des soins de santé pour les patients et parmi les établissements de santé. Des données géographiques seront appariées aux données de la base administrative en santé en utilisant le code postal des personnes assurées.

Construction de champs de droites normales aux objets transparents minces par transmission

La refraction de la lumiere fait en sorte que les images vues au travers d'un parebrise sont deformees. Si la forme du verre est connue, cette deformation peut etre modelisee. Puisque !es parebrises sont generalement piut6t plats, les effets de la refraction sont peu visibles a l'reil nu. Cependant, la presence de plus en plus frequente de l'affichage tete haute (Head-Up Display) et de cameras derriere les parebrises accroit !'importance d'une comprehension approfondie de ce phenomene.

Deep Unsupervised Anomaly Detection in Options Markets

In the last few years, a high increase in the interest of traders and investors towards financial instruments directly lead to an important augmentation of the information received daily by exchanges. Exchanges regulators, who constantly monitor markets to unveil potential infractions, traditionally perform their investigation manually and the notable growth in market activity represents an important risk of fraudulent events going unnoticed. In response to that new reality, exchanges around the globe are establishing automated surveillance systems that track markets activity.

Deep learning based approaches for hard and soft data fusion towards better maritime domain awareness

In this project, we apply deep learning methods to analyze and obtain useful information from text data that are collected from social media, and combine these information with numerical data from physical sensors. We then develop new deep learning based solutions that exploit the combined data in order to track the ships in the open sea with more accuracy. The primary strength of our work is that social media data provides additional information when the usual physical sensors like radars and satellites can not provide enough data.

Inférence causale pour mesurer le retour sur les investissements publicitaires

Même si les compagnies d’assurances investissent des sommes considérables en publicité, il leur est souvent difficile, voire impossible, de répondre précisément et avec confiance à la question « Combien de nouvelles soumissions d’assurances par des clients potentiels sont générées grâce à ces investissements publicitaires ? » Pourtant, des données sur les efforts publicitaires et les soumissions reçues dans chacune de plusieurs régions pour chacune de plusieurs périodes de temps sont disponibles.

Modélisation de la probabilité d’un cyberincident pour une organisation et construction d’une cote de cybersécurité

En 2018, les entreprises doivent se protéger contre un risque opérationnel critique : le cyberrisque. L’objectif de ce projet de recherche est de développer une cote de cybersécurité, qui donne une mesure du niveau de cyberrisque global d’une entreprise en fonction de ses caractéristiques et de son programme de gestion des systèmes informatiques. La cote de cybersécurité sera définie selon une approche actuarielle où l’on estime la probabilité de cyberincident à partir des données fournies par Vumetric.

Investigate machine learning algorithms to detect anomalies incomputing infrastructures in real-time

Metafor is developing a new class of IT system management solution to monitor computer and application activities, and alert when anomalous behavior occurs. Current commercial tools for anomaly detection use simple statistical rules and thresholds to detect anomalies. These methods are failing for today’s dynamic cloud environment where change is constant. As a result, IT operators are flooded with false alerts; become overwhelmed with alert fatigue and learn to ignore the alerts.

Modèle de prévision dynamique du comportement des renouvellements de polices d'assurance

Le département de Prévision et Analytique de TD Assurance est actuellement en charge de prédire les ventes et les revenues des différents produits d'assurance sur une base annuelle et mensuelle. Prédire les revenues, et ceci de manière précise, est crucial pour l’entreprise et son bon fonctionnement. Les modèles jusqu'alors utilisés ont étés construits il y a un peu plus de dix ans et ont été implémentés avec le logiciel Excel. Ces modèles sont complexes et requièrent trop de manipulations manuelles, engendrant non seulement des erreurs potentielles mais également une perte de temps.

A Bayesian Probability Network Approach To Predictive Modeling in Support of EffectiveManagement of Underwater Noise in Marine Mammal Habitat

Marine mammals have evolved to send and receive underwater sound as their primary means for communicating, finding food, and sensing their environment. Introducing human-generated and other unnatural sources of noise into their environment can cause potentially serious consequences, particularly for those species at conservation risk. Past work on predicting the behavioural response to excessive noise has ignored the variability in the sound field and in marine mammal behaviour.

Pages