Daphné Lercier

Responsable Innovation

Tous ses articles


Adapt’Ac­tion : contri­buez au futur de Récolt’Ô, parti­ci­pez au Hacka­thon Open Boos­ter

10/12/2024

Le 30 octobre dernier, Récolt’Ô a été nommé lauréat des Data Chal­­lenges Adapt’Ac­­tion. Pendant les 10 semaines du Hacka­thon à venir, nous unirons nos efforts pour accé­lé­rer le déve­lop­pe­ment de communs numé­riques dédiés à l’adap­ta­tion au chan­ge­ment clima­tique ! 🌱  
Voir l'article
Image
Open booster Hackaton 2024 2025

Retour sur le sondage autour de la R&D

19/01/2023

Aux mois de novembre et décembre dernier, nous vous avons proposé de participer à des sondages sur Twitter et LinkedIn autour de la Recherche et Développement (R&D). Voici une synthèse des résultats de ces sondages. 

Voir l'article
Image
Recherche et developpement

Dissémination de nos réalisations et recherches

07/12/2022

Si vous suivez notre communication, vous l'avez probablement remarqué : à Makina Corpus, nous aimons valoriser nos travaux et recherches dans des articles et conférences ! Lorsque le projet le permet, nous encourageons nos clients et partenaires à s'associer à cette valorisation.

 

Voir l'article
Image
Dissémination travaux et recherches

Notre démarche de recherche

01/12/2022

Makina Corpus s’est engagée depuis plusieurs années dans une démarche de recherche, que ce soit pour l’amélioration des solutions qu’elle propose à ses clients, que pour ses contributions à la communauté du libre. Nous vous en décrivons les contours.

Voir l'article
Image
Recherche et developpement

Open-source et IA : un duo gagnant !

11/10/2022

L'essor de l'intelligence artificielle n'aurait probablement pas été possible sans l'écosystème du Libre : code open-source, open data et open science ont permis de la rendre accessible et d'améliorer les technologies en mutualisant les efforts. Nous revenons ici sur ce duo gagnant et inspirant !

Voir l'article
Image
Open-source et IA : un duo gagnant

Nouvelles versions de nos formations Python Scientifique

05/09/2022

Nous avons profité de l'été pour mettre à jour nos formations Python Scientifique avec des versions plus modulables et personnalisables. La formation "Python Scientifique" sur 5 jours et la formation "Initiation au Python Scientifique" est maintenant proposées sur 3 ou 4 jours.

Voir l'article
Image
Formation Python scientifique

Immersion dans nos formations à distance

11/05/2022

Vous pensez que la formation à distance n'est pas faite pour vous ? Ou qu'elle est synonyme de perte de qualité ? Allez, suivez-nous ! Nous vous montrons comment cela se passe dans nos formations en distanciel.

Voir l'article
Image
video-conference

Makina Corpus collabore avec l'Ecole Nationale des Sciences Géographiques pour le développement de l'outil geolabel-maker

15/01/2021

Dans le cadre de nos activités R&D, Makina Corpus a proposé à Arthur Dujardin, étudiant de l’École Nationale des Sciences Géographiques, de contribuer aux développements de l'outil geolabel-maker.

Voir l'article
Image
ENSEG

IA et cartographie : l'IA pour découvrir un territoire [Article 2]

20/07/2020

Deuxième article de notre série sur les applications de geoIA : comment les techniques d'intelligence artificielle peuvent aider à la découverte d'un territoire ?

Voir l'article
Image
Image application de l'IA sur une carte

IA & cartographie : l'IA pour créer des cartes [Article 1]

10/07/2020

Premier article de notre série sur les applications de geoIA : comment les techniques d'intelligence artificielle peuvent aider à la création de cartes ?

Voir l'article
Image
IA cartes

Série d'articles : IA & cartographie

08/06/2020

Tour d'horizon de l'apport de l’intelligence artificielle à la cartographie ! Quand dans une discussion sont lancés les mots "intelligence artificielle" et "cartographie", il y a fort à parier que les protagonistes en viennent rapidement à parler de conduite assistée et voitures autonomes.

Voir l'article
Image
IA & Cartographie

Extraction d'objets pour la cartographie par deep-learning : évaluation du modèle

08/06/2020

Voici le dernier article de notre série sur la cartographie par deep-learning. Après avoir expliqué comment choisir et utiliser un modèle d'extraction d'objets, nous allons maintenant en évaluer les performances. Que pouvons-nous attendre du modèle entraîné ? Quels sont ses limites et ses sensibilités ?

Voir l'article
Image
SIG_cartographie_Deeplearning