Remise de prix du Business Data Challenge 2022-2023 avec Meilleurtaux et DataStorm
Meilleurtaux renouvelle son partenariat en tant que sponsor de l'édition 2022-2023 du Business Data Challenge ! Benoît Rouppert, Chief Data Scientist de Meilleurtaux, est venu mardi 6 décembre présenter aux élèves le sujet de cette édition 2022-2023 du Business Data Challenge : l'estimation des prix de l'immobilier. Cinq équipes d'élèves de 3e année du Cycle ingénieur voie Data science and Business decision, de mastère spécialisé Data science et de mastère spécialisé Méthodes quantitatives pour la décision économique ont relevé le challenge cette année remporté par l'équipe 2 composée de Louise Bonhomme, Michel Daher Mansour, Antonin Falher, Blanche Lalouette et Clotilde Nietge. Félicitations à l'ensemble d'entre eux pour le travail accompli lors de cette compétition et bravo plus particulièrement à l'équipe lauréate !
Les élèves ont eu quatre mois pour répondre à la problématique soumise. La production finale est constituée d’un mémoire d’une vingtaine de pages en anglais, du rendu des codes informatiques documentés, et d’une soutenance orale devant le jury composé de Guillaume Autier, Benoît Rouppert, Cristina Butucea, Philippe Choné, Michael Visser et Clara Wolf.
Pour les accompagner, chaque groupe est supervisé à la fois par le responsable de la voie "Data Science & Business Decision" Philippe Choné et le coordinateur d'enseignements en économie Emilien Macault, ainsi que des enseignant-chercheurs de l’école (Roxana Fernandez, Azadeh Khaleghi, Michael Visser), des consultants de Datastorm (Hassan Maissoro, Arij Sifi et Clara Wolf), et par un spécialiste issu de l’entreprise sponsor (Benoît Rouppert). Un format d'apprentissage innovant, learning by doing et sous l'angle de l'open innovation, permettant aux étudiants de travailler avec des données réelles en mettant en application l'ensemble de leurs enseignements et plus particulièrement en matière d’analyse économique, modélisation et mise en œuvre des techniques de data science (économétrie et machine learning).
