TADA : valorisez vos données au service de votre métier

Accélérez vos projets grâce à l'analyse pertinente de vos Small Data

TADA est efficace à partir d'une centaine de lignes là où les autres solutions en nécessitent 10 fois plus.

Gagnez du temps, concentrez vous sur les informations clés


TADA identifie les informations clés qui ont le plus d'impact sur votre activité.

Découvrez des corrélations invisibles à l'oeil nu


TADA identifie des corrélations insoupçonnées qui vous permettrons d'être plus efficace.

Comment ça marche ?

Associez simplement vos jeux de données et la modélisation prédictive.

Importez vos données dans TADA

Vos données doivent être stockées sous forme d’un tableau (csv ou Excel) dans lequel chaque colonne est une variable et chaque ligne un individu, une instance observée. La première ligne doit contenir le nom des variables.

Une fois que vous avez créé un projet et importé vos données, vous pouvez vérifier que tout est en ordre. TADA détecte automatiquement les valeurs manquantes, ainsi que le type de variable (nombres, catégorie, texte).

Définissez votre objectif

Vous devez définir un objectif, qui est la variable que vous souhaitez comprendre et prédire. Il y a trois types d’objectifs : binaire (questions oui/non), multi-classe (de 3 à 50 catégories) et régression (pour calculer une valeur).

Affinez votre jeu de variable

Votre fichier de données peut contenir des variables qui s’avèrent inutiles pour comprendre votre objectif. La fonction automatique de réduction des variables de TADA les supprime et vous révèle ainsi les variables les plus impactantes sur votre objectif. 

Vous pouvez manuellement retirer une variable pour voir comment le système fonctionnerait sans cette information.

Step number 4

Créez vos modèles

TADA génère des centaines de modèles prédictifs différents, et sélectionne le meilleur d’entre eux. Un modèle prédictif explique et fait le lien entre votre objectif et les variables clés. Les modèles TADA sont à la fois précis et facilement compréhensibles par l’utilisateur.

Vérifiez les indicateurs de performance

TADA fournit des indicateurs de qualité des modèles : efficience, précision, R2, matrice de confusion, etc. 

Ces indicateurs sont connus des data scientists. N’hésitez pas à les partager avec eux !

Step number 5
Step number 6

Découvrez l'analyse de sensibilité

TADA vous propose une analyse de sensibilité. Elle explique visuellement comment une variable influence le résultat final : certains phénomènes clés peuvent être compris uniquement à l’aide de cet outil.

Explorez tous les scénarios possibles

À partir de votre modèle, vous pouvez faire varier chaque variable et visualiser son impact sur le résultat final.

Step number 7

Déployez vos modèles prédictifs

Les modèles sont présentés sous la forme de formules mathématiques simples qui peuvent directement être exécutées dans l’application TADA. Elles peuvent être exportées et déployées dans Excel ou en code (Python, C++ & Javascript) dans vos applications.

Donnez du sens à 
vos données

Vous n’avez pas de données ? Utilisez nos données test

Solutions pour les experts métiers

medical
Prédire le cancer du sein pour aider au diagnostic
Is it possible, thanks to machine learning, to improve breast cancer prediction? Can we be more accurate in diagnosing whether a cell extracted from the breast is a cancer cell?..
breast cancer
Solution

Cas d'usage

aviation
Transportation
Real estate
Real Estate
public app
Public Services
marketing icon
Marketing
IT
manufacturing
Industry
medical
Healthcare
bank and services
Finance & Services

Notre technologie brevetée et scientifiquement approuvée.

ZGP : IA et mathématiques pour trouver un sens à vos données.

Le Zoetrope Genetic Programming combine deux des spécificités de l’IA : la régression symbolique et la programmation évolutionnaire. Les résultats sont fournis sous forme d’expressions mathématiques accessibles et lisibles. Cette approche est particulièrement efficace pour classer les small data mais aussi pour extrapoler certaines valeurs. La plupart des solutions existantes sont basées sur de l’apprentissage à partir de grandes quantités de données. Elles sont donc très consommatrices de temps et énergivores. ZGP génère des modèles d’excellente qualité, en quelques minutes.

10 années de recherche initiale en IA et nous continuons

Nous sommes en partenariat avec des instituts de recherche majeurs comme l’INRIA pour accélérer nos recherches. Dans ce contexte, nous collaborons avec les mathématiciens et chercheurs les plus réputés. Nos investissements financiers en recherche sont majeurs. Et comme nos algorithmes, nous évoluons et nous adaptons en permanence !

Classification et régression

Les classifications binaire et multi-classe font partie intégrante de l’algorithme. La régression, qui permet de prédire une valeur, fait partie des fonctionnalités. De plus, ZGP peut absorber, en entrée, un grand nombre de variables, et effectuer automatiquement une sélection des plus pertinentes. Ce sont ces quelques variables qui sont utilisées dans la formule mathématique in fine.

ZGP engine
Representation of various data

Légers avec peu de données en entrée

Les modèles produits sont légers car ils sont basés sur un nombre réduit de variables. Typiquement, l’efficacité optimale est obtenue lorsqu’ils emploient 3 à 7 variables indépendantes. L’algorithme construit des modèles à partir de peu de données. Un tableau d’une centaine de lignes et d’une dizaine de colonnes convient parfaitement.

Compréhensible et pertinents

Les modèles sont produits sous la forme d’une équation mathématique compréhensible par l’utilisateur. Ils peuvent être déployés en différents langages informatiques (Java, C++, Python) en un clic. Ces équations décrivent le comportement du système observé. Elles sont à la fois une représentation synthétique de l’ensemble et un moyen d’explorer dans le détail des phénomènes sous-jacents. 

L’algorithme estime précisément la performance à venir du modèle, lors de sa génération. Elle est toujours confirmée par le modèle final.