捆绑SM社区

L'accessibilit茅 脿 de grands jeux de donn茅es ouvre la voie 脿 de nouvelles applications en apprentissage machine qui n'auraient pu 锚tre con莽ues il y a seulement quelques ann茅es. Une utilisation judicieuse des m茅gadonn茅es pourrait permettre, par exemple, de prendre de meilleures d茅cisions quant 脿 l'exploitation de nos ressources 茅conomiques, 茅nerg茅tiques et naturelles.聽Toutefois, d'importantes question se posent 茅galement quant 脿 l'amplification possible des biais, st茅r茅otypes, pr茅judices sociaux-茅conomiques et raciaux par nos donn茅es et algorithmes d鈥檃pprentissage. Ces questions font l'objet de recherche fondamentale dans une de nos communaut茅s en apprentissage machine sous l'茅tiquette 芦聽Fairness, Accountability, and Transparency聽禄. Les solutions 脿 ces probl猫mes ne seront pas enti猫rement techniques, mais proviendrons plut么t d'un effort multidisciplinaire 脿 l'intersection du droit, de l'茅thique, et de la sociologie.

La cr茅ation d鈥檜n format informatique standardis茅, en 2005, pour la communication des horaires de transport en commun a ouvert la porte 脿 de nombreuses opportunit茅s pour l鈥檃nalyse des services de transport en commun. Dans cette pr茅sentation, Genevi猫ve Boisjoly illustrera comment ces donn茅es peuvent 锚tre mises 脿 profit par les acteurs locaux pour mettre en lumi猫re les barri猫res auxquelles font face les personnes 脿 mobilit茅 r茅duite dans leurs d茅placements quotidiens.

Gorka Espiau will present a specific example of how cities can take advantage of Big and Open Data to better understand the needs and aspirations of local communities and neighborhoods building on previous place based transformation experiences conducted in Bilbao, London, Belfast and Montreal. This way of working offers the opportunity to develop new Social Innovation Listening Platforms that will enrich the current Smart City approach.

Les m茅gadonn茅es doivent 锚tre consid茅r茅es dans le contexte plus large du cycle de vie des donn茅es, allant de la collecte des donn茅es, de plus en plus d茅volue 脿 des syst猫mes automatis茅s, notamment via l'Internet des objets, le stockage des donn茅es et leur utilisation, notamment la prise de d茅cision via des m茅canismes algorithmiques et d'apprentissage automatis茅.聽 Cette nouvelle cha卯ne de prise de d茅cision n茅cessite de mettre en place une nouvelle gouvernance visant 脿 assurer l'acceptabilit茅 sociale de ces approches ainsi que l'engagement citoyens n茅cessaire pour r茅fl茅chir 脿 ces enjeux.聽

My research interests concern the translation of information into visual cues. That means developing and testing real-world interactive data interfaces that make use of data/information visualization in the form of, for example, geolocation, time or sound visualization. There鈥檚 a clear need for easy tools to explore and analyse open city data. I鈥檝e been collaborating in a start-up, Nuuzee.com, that aims to partly fill this online service gap.

offers over a dozen Montreal open city data sets such as complaints, restaurant inspection status, winter parking, street art and cultural events, and many others. Future plans include fire alarms, social housing availability, and many others as urban open data availability grows across the world. This opens many research questions concerning the historical and geographical distributions of recorded events that allow more informed decisions concerning future events and their expected locations. Going forward, citizens creating their own Nuuzee events will produce a direct communication channel with the city. For example, nids-de-poules report distributions through time might be interesting, all Facebook and eventful events are there now, which other datasets might be useful? This short talk will quickly demo some of Nuuzee鈥檚 currently available datasets and functionalities. We have many ideas to further develop Nuuzee in terms of data manipulation features and datasets. We hope you might give us more and influence Nuuzee鈥檚 design.

Jean-No茅 Landry tirera profit de l鈥檈xpertise acquise 脿 Nord Ouvert pour aborder 4 principales questions au cours de sa pr茅sentation聽:

1. De la litt茅ratie des donn茅es 脿 la litt茅ratie algorithmique
2. Cerner des probl猫mes th茅matiquement et inclusivement, ensuite identifier des donn茅es accessibles ou non, et les contraintes d'accessibilit茅s et d'utilisation
3. Op茅rer localement en harmonisant ses pratiques avec le mouvement international
4. Exp茅rimentation des communs civiques dans le contexte des villes intelligentes inclusives et participatives.

Le projet de smart city port茅 par Dijon M茅tropole consiste 脿 cr茅er un poste de pilotage connect茅 pour g茅rer les 茅quipements publics (6 PC聽: s茅curit茅, police municipale, centre de supervision urbaine, circulation, all么 mairie, neige). Les principaux objectifs vis茅s sont de r茅aliser des 茅conomies, d'offrir de nouveaux services publics num茅riques et de renouveler la d茅mocratie participative gr芒ce 脿 l'open data.

L'茅mergence des smart cities interroge 茅galement le juriste. La smart city accroit le pouvoir de la ville sur ses citoyens. Son combustible principal est leurs donn茅es personnelles, ce qui g茅n猫re des risques de d茅rive consid茅rables. L'open data constitue une premi猫re r茅ponse. Conf茅rer aux donn茅es personnelles un statut juridique, tel que le fait le r猫glement g茅n茅ral sur la protection des donn茅es (R猫gl. UE 2016/679), en fournit une seconde.