Recherche

UNIGE Data Science Day

Le UNIGE Data Science Day est un colloque scientifique à destination des chercheurs et chercheuses de l’UNIGE, qui se déroule en début d'année académique.

Chaque année, le CCSD anime une réflexion collective sur l’approfondissement d’une thématique particulière. Cette réflexion est introduite lors du UNIGE Data Science Day et poursuivit dans le cadre d'autres activités lancées par le Centre. Véritable fil rouge, cette thématique se veut assez précise pour favoriser une contribution scientifique significative et un dialogue riche, mais également assez transversale pour permettre l’interdisciplinarité.

Pour son édition 2024, le thème du Data Science Day est  «Cross-Disciplinary Dialogues: Celebrating Collaborative Excellence in Data Science».

Cette rencontre se déroulera le 10 septembre 2024 de 14h à 18h à Uni Mail.

 

Thematique 2024: Dialogues interdisciplinaires

Intitulée « Dialogues interdisciplinaires : Célébrer l'excellence collaborative en science des données », l'édition 2024 de la Journée de la science des données vise à rassembler les chercheurs et les praticiens qui ont entrepris des projets conjoints, alliant l'expertise méthodologique en statistiques et en informatique avec des connaissances spécifiques à diverses disciplines. La Journée de la science des données de cette année a pour but de mettre en lumière et de célébrer les réalisations issues de telles collaborations, dont celles développées au sein du Centre de compétences en science des données de l'UNIGE depuis sa création en septembre 2020. Nous invitons ces équipes collaboratives à partager leurs histoires de succès, les défis rencontrés et les perspectives acquises à travers leurs partenariats. Notre objectif est de découvrir les meilleures pratiques et de souligner le rôle essentiel de la collaboration dans l'avancement de la recherche et de l'application en science des données.

Ainsi, nous accueillons les soumissions explorant des sujets incluant, mais sans s'y limiter :

  • Aperçus des équipes actuellement engagées dans des projets de science des données collaboratifs, mettant en lumière les défis intermédiaires et les stratégies adaptatives.
  • Études de cas de collaborations réussies entre spécialistes méthodologiques et de domaine, décrivant le processus, les défis rencontrés et les résultats obtenus.
  • Discussions sur des projets qui ont été interrompus ou qui ont rencontré des obstacles significatifs, partageant les leçons apprises et la résilience nécessaire dans de telles entreprises.
  • Stratégies innovantes pour favoriser la coopération interdisciplinaire dans les projets de science des données, y compris la manière de surmonter les obstacles et de tirer parti d'une expertise diversifiée.
  • Meilleures pratiques et perspectives tirées de la recherche collaborative en science des données, avec un accent sur l'intégration méthodologique et l'apprentissage mutuel.
  • Le rôle des centres et des réseaux dans la facilitation de la recherche interdisciplinaire en science des données, incluant les leçons tirées du Centre de compétences en science des données de l'UNIGE.
  • Directions futures pour la recherche collaborative en science des données, mettant en évidence les opportunités émergentes, les domaines d'application et les impacts potentiels sur la société.

Les soumissions sont encouragées de la part de chercheurs de tous niveaux, des étudiants de troisième cycle aux membres du corps professoral senior, représentant le large spectre des disciplines impliquées dans la science des données. Les propositions seront pour des présentations orales.

Participation

Intéressé-e à participer au Data Science Day 2023?

Inscrivez-vous sous ce lien >>

(soumissions ouvertes jusqu'au 17 mai 2024)

Editions précédentes

éDITION 2023 - Data Science for All : How to teach and integrate Data Science in diverse Disciplines

édition 2022 - Promises of Artificial Intelligence: An Interdisciplinary Revolution

édition 2021 - Shaping a Better Future with Data: Data Science for Sustainable Development Goals

édition 2020 - Epidemics and (Big) Data: contributions and challenges of data science in the study of diffusion phenomena