Chez Withings, nous souhaitons redonner aux individus le contrôle de leur santé.
Nous avons l’obsession de créer des produits beaux et intuitifs, afin que chacun puisse les utiliser facilement au quotidien; nos balances connectées, montres hybrides, tensiomètres, moniteurs de sommeil et tous les dispositifs de notre gamme sont aujourd’hui utilisés par des millions d’utilisateurs.
Notre objectif : permettre la prévention, le dépistage et l’accompagnement d’un certain nombre de maladies chroniques via des produits et des services innovants, afin de révolutionner la manière dont on prend soin de notre santé.
Pour cela Withings collecte via ses produits un grand nombre de data-points différents : mesures de poids (BMI, masse maigre, grasse etc.), d’activité physique (nombre de pas, reconnaissance d’activité etc.), de fréquence cardiaque, SpO2, ECG, tension artérielle, ou encore de sommeil (phases, score d’apnée du sommeil). Pour chaque utilisateur, ces mesures sont à échantillonnage variable.
L’objectif de ce stage consiste à construire des modèles d’analyse de ces données adaptés à ce cadre très spécifique aux objets connectés innovants développés par Withings.
Intégré.e au sein de l’équipe Data Science de Withings et en collaboration avec l’équipe de recherche MODAL (Models for Data Analysis and Learning) de l’Inria, tu auras les responsabilités suivantes:
D’un point de vue technique, tu devras mobiliser les compétences suivantes :
Références
[1] C. Biernacki amp; C. Maugis-Rabusseau (2015). High-dimensional clustering. Choix de modèles et agrégation, Sous la direction de J-J. DROESBEKE, G. SAPORTA, C. THOMAS-AGNAN Edition: Technip.
[2] Cardot, H., Cenac, P. and Monnez, J.-M. (2012). A fast and recursive algorithm for clustering large datasets with k-medians. Computational Statistics and Data Analysis, 56, 1434-1449.
[3] Jérôme Pagès, Brigitte Escofier (2008). Analyse Factorielles Simples et Multiples 4ème édition. p 31-63.
[4] Ramsay J., Silverman B. (2005). Functional Data Analysis. Springer-Verlag New York. ISBN
978-0-387-22751-1. doi:10.1007/b98.
[5] J. Jacques and C. Preda (2014), Functional data clustering: a survey, in Advances in Data Analysis
and Classification, 8, (3), 231-255.
[6] J. Jacques, C. Preda (2014), Model-based clustering of multivariate functional data,
Computational Statistics and Data Analysis, 72, 92-106.
[7] C. Preda, G. Saporta (2005), PLS regression on a stochastic process, Computational Statistics and Data Analysis, 48, p. 149-158.
[8] David Benatia, Marine Carrasco, Jean-Pierre Florens (2017), Functional linear regression with functional response, Journal of Econometrics, Volume 201, Issue 2, 2017, Pages 269-291.
Requirements