Participer à la 1ère RAMP du Challenge4Cancer
Informations sur l'événement
Description
Le RAMP (Rapid Analytics et Model Prototyping) est un outil, développé par le Paris-Saclay Center for Data Science et l'Ecole des Mines, pour la gestion des datathons et des data challenges en format de compétition / collaboration.
Vous travaillerez sur un set de données inédites nettoyées par la communauté Epidemium, sur lequel vous pourrez développer, tester et optimiser vos modèles prédictifs.
Des spécialistes d'épidémiologie et des représentants de Roche France seront présents pour vous accompagner sur les aspects médicaux.
L'événement sera animé par un expert du machine learning qui pourra aider les moins expérimentés d'entre vous.
Grâce à un travail en équipe, vous aboutirez, à la fin de la journée, aux meilleurs modèles permettant de prédire la mortalité due au cancer.
***
Programme de la journée :
09.30 - 10.00 : Accueil et petit-déjeuner
10.00 - 10.30 : Présentation de la journée, des animateurs et des objectifs
10.30 - 17.00 : RAMP (buffet disponible toute la journée)
17.00 - 18.00 : Restitution ouverte à tous
18.00 - Fin : Apéro
***
Partenaire
Le Center for Data Science de Paris-Saclay met à disposition l'architecture IT pour les participants de la RAMP.
Le Center for Data Science est un projet "LIDEX" initié par l'Université Paris-Saclay.
***
(English below)
Après un premier briefing sur la tâche de prédiction en jeu ainsi qu'une description des données mise à disposition, une application web conçue spécifiquement pour le RAMP est mise en place afin de permettre aux participants de soumettre leurs modèles à notre serveur central. Les modèles sont entrainés et évalués sur le serveur puis leur performance est classée dans un tableau que l'on affiche tout au long de la journée.
En plus de l'aspect compétitif, le RAMP met particulièrement l'accent sur la collaboration : tous les participants ont accès aux codes des modèles déjà soumis. Ils peuvent donc les reprendre, les combiner, les améliorer et les soumettre de nouveau. Rapidement, on aboutit à un prototype performant qui résulte des efforts de tout le monde, d'où le nom de l'approche.
Il en découle aussi un fort aspect pédagogique : les participants n'ont pas a être des experts du Machine Learning en venant au RAMP, toutefois, ils en sortent la plupart du temps avec plus de connaissances pratiques et une formation certaine aux principales librairies du domaine.
***
After a first briefing on the prediction task and a description of the data provided, a web application specifically developed for the RAMP is set up so as participants can submit their models to our central server. Models are then trained and assessed on the server and their performance is rated on a board that will be displayed all along the day.
More than just a competition, the RAMP is also about collaboration: all the participants have access to the code of the models that were already submitted. They can use, combine and improve them in order to submit them again. A high-performance prototype quickly comes up, the result of everyone’s work.
There is also a strong teaching approach: participants do not need to be experts in machine learning but most of the time they end up with better pratical knowledge and training.