This project is about synthesizing data using generative adversarial network (GAN). Unlike conventional studies which use anonymization techniques for removing private information of individuals, we use variants of GAN architectures for crafting new records contextually similar to real records in the legitimate dataset. We plan to run exploratory experiments on public datasets to provide enough grounds for the viability of GANs in synthesizing information. The objective is to develop a proof of concept that shows if synthetic data could be used with similar results than original data.

Recent market instability, volatility, and Bitcion (BTC) halving event combined to create significant challenges for this sector, resulting in many hashing power producers being forced into bankruptcy. The sector has grown very rapidly and has been plagued with boom-bust cycles that have been difficult for producers to weather due to the lack of hedging tools/financial instruments at their disposal.
Pow.re Corporation offers clearinghouse-type services providing hashing power producers the ability to sell their risk to speculators.

De plus en plus de personnes utilisent les services bancaires en ligne au quotidien et s’exposent ainsi à des risques divers tels que le vol d’identifiants. De nombreux outils technologiques peuvent être mis en place pour contrer ces activités criminelles, mais leur utilisation et adoption dépend des comportements des utilisateurs. Malgré une compréhension des enjeux sécuritaires, de nombreux utilisateurs sont toujours victimes de ce type de vol du fait de leur utilisation quasi-automatique des outils en ligne qui entraîne une perte de vigilance face aux informations présentées.

L’historique des données que possède une entreprise d’assurance telle que Co-operators concernant leurs clients, les soumissions, les réclamations, etc., constituent un élément stratégique clé qui est au coeur du développement des affaires. La capacité de l’entreprise à utiliser, à manipuler et à interpréter ces données constitue un élément fondamental. Le prétraitement de ces données est l'une des étapes les plus longue du processus d'analyse des données.

Depuis quelques années, les questions sur la protection des données personnelles se multiplient. Les entreprises récoltent de plus en plus de données de leurs clients pour plusieurs raisons comme améliorer leur expérience utilisateur ou pour des raisons légales.
Toutefois, dans certains cas, il n’est pas nécessaire de garder toute l’information. Par exemple, chez Desjardins, les objectifs principaux des enregistrements d’appel téléphonique sont la formation et l’évaluation des employés, alors l’information la plus importante est le contenant, pas le contenu.

The goal of this research is to leverage the telematics data collected in the context of the usage-based insurance program at Intact for road safety improvement. Specifically, we aim to tackle issues on the identification of risky driver behaviors through the characterization of unsafe events and to identify sites on the road network with high probability of collision.

L’utilisation de méthodes d’ensemble, dont l’usage est très répandu, permet souvent d’obtenir des résultats de haute précision mais sont beaucoup plus difficilement interprétable que les modèles d’apprentissage automatique traditionnel (arbres, régressions logistique/linéaire, ect).

Recent market instability, volatility, and Bitcion (BTC) halving event combined to create significant challenges for this sector, resulting in many hashing power producers being forced into bankruptcy. The sector has grown very rapidly and has been plagued with boom-bust cycles that have been difficult for producers to weather due to the lack of hedging tools/financial instruments at their disposal. Pow.re Corporation offers clearinghouse-type services providing hashing power producers the ability to sell their risk to speculators.

Financial data are known to be generated from complex distributions, often assumed to be changing over time. The aim of this project is to build a simulator of multivariate time series, parameterized as simply as possible by a user, with the freedom to build different models, to assess their general behavior and key properties. This will facilitate predictions of multiple sequences and their interactions, through a simple interface of possible configurations to the user, who could have a basic knowledge of statistics and limited knowledge of the mathematical details of the underlying models.

L’objectif de ce projet et de proposer une nouvelle approche pour générer un score ESG (environnementale, sociale et de gouvernance) basé sur la perception des consommateurs perçu via les réseaux sociaux. Cette nouvelle approche permettra de palier à plusieurs problèmes de transparences et de comparabilités lié aux scores ESG actuelle. Cette nouvelle mesure pourrait être bénéfique pour le classement des entreprises qui compose les fonds communs de placement « vert » ou « responsable ».