All posts by Ewen Gallic

31Mai/19

Weather Shocks

Dry cracked land near a water reservoir in Kiwitahi, New Zealand. Source: Source : https://phys.org/news/2013-03-zealand-drought-farmers-economy.html

Avec Gauthier Vermandel, nous avons à nouveau passé du temps sur une nouvelle version de notre document de travail intitulé « Weather Shocks » (disponible sur HAL). Nous nous penchons sur le rôle de la météorologie sur la génération des cycles économiques. Dans ce billet, Gauthier et moi vous proposons un résumé de ce travail.

Plus de détails à l’intérieur de ce billet.

15Nov/18

Meetup Machine Learning Aix-Marseille S04E02

Meetup Machine Learning Aix-Marseille
Ce soir je participe au Meetup Machine Learning Aix-Marseille, pour la deuxième session de cette quatrième édition. J’interviens après Leonardo Noleto, data scientist senior chez Bleckwen FinTech qui développe une solution de lutte contre la fraude financière avec du machine learning. Je vais présenter le projet sur lequel Enora Belz, Romain Gaté, Vincent Malardé, Jimmy Merlet, Arthur Charpentier et moi avons travaillé l’été dernier à l’occasion de la Coupe du Monde de Football 2018 (c.f. billet précédent). L’idée était d’utiliser des techniques d’apprentissage automatique pour faire de la prévision de l’issue des matchs de football (victoire, match nul ou défaite).

Les slides sont disponibles à l’adresse suivante : http://www.egallic.fr/Recherche/Worldcup_2018/2018_meetup_ML/egallic_meetup.html

15Oct/18

Cours de Python

Logo Python
Dans le cadre d’un cours de programmation avec Python adressé aux étudiants de 2e année du Magistère Ingénieur Économiste à Aix-Marseille School of Economics, j’ai préparé des notes de cours. Ces dernières sont disponibles à plusieurs endroits, sous différents formats :

Ces différents formats ont été produits à l’aide du package R {bookdown}, tous les fichiers nécessaire à la compilation sont disponibles sur un dépôt GitHub.

Les documents sont susceptibles d’être mis à jour de temps en temps.

06Juil/18

Rencontres R 2018

Fifa World Cup 2018

Depuis mercredi, j’assiste aux 7e rencontres R, qui se tiennent à Agrocampus Ouest cette année.

À cette occasion, je vais présenter avant le déjeuner les travaux menés (working paper) avec Arthur Charpentier sur l’utilisation des données collaboratives de généalogie en démographie historique. Le format de la présentation est un lightning talk, c’est à dire une présentation rapide, 14 diapositives qui défilent toutes les 24 secondes.

Les diapositives sont en ligne, et pour rappel, les codes R sont proposés sur GitHub.

06Juin/18

Coupe du Monde 2018: Paul the octopus is back

Fifa World Cup 2018

À l’occasion de l’Euro 2008 et du Mondial 2010, l’oracle d’Oberhausen (plus communément connu sous le nom de « Paul le poulpe ») a défrayé la chronique. Ses prévisions exactes concernant les résultats de l’équipe allemande lors de l’Euro 2008 et la désignation de l’équipe victorieuse du Mondial 2010 (l’Espagne) sont encore ancrées dans les mémoires. Avec quelques collègues (Enora Belz, Romain Gaté, Vincent Malardé et Jimmy Merlet) nous avons tenté de poursuivre le travail de feu Paul le poulpe pour prédire l’issue des rencontres à venir du Mondial 2018. Pour ce faire, nous nous appuyons sur les résultats des rencontres passées de coupe du Monde et de coupes Continentales1.

11Avr/18

Séminaire à l’INED, 2018

Rougon-Macquart
Demain je vais à l’INED pour présenter les résultats du papier co-écrit avec Arthur Charpentier sur les données collaboratives de généalogie et sur leur utilisation en démographie historique. La présentation aura lieu au sein de l’unité de recherche « Histoire et Population« .

Le diapositive qui accompagnent la présentation sont disponibles à l’intérieur de l’article.

07Avr/18

Conférence EENR, Orléans

Orléans, 2018

Jeudi 5 et vendredi 6 Avril, j’étais au Laboratoire d’Economie d’Orléans (LEO) pour assister à la conférence intitulée « Environmental Economics: A Focus on Natural Resources ». Le programme était vraiment sympa : https://sites.google.com/view/eenr-orleans/program.

Durant l’une des sessions, j’ai eu l’occasion de présenter la nouvelle version du modèle de cycles réels que nous avons développé avec Gauthier Vermandel. Ce modèle vise à estimer les effets de court terme des chocs climatique sur les cycles économiques, ainsi que les effets de long termes du changement climatique sur la volatilité macroéconomique et le bien-être. Le papier est disponible sur RePEc : Weather Shocks, Climate Change and Business Cycles

Cliquez sur le titre du billet pour l’afficher dans sa version complète et ainsi accéder au diaporama accompagnant ma présentation.

07Mar/18

Démographie historique et données collaboratives

Généalogie de Victor Hugo

Il y a quelques mois, j’indiquais dans un billet du blog que j’avais présenté les débuts des travaux engagés avec Arthur Charpentier au sujet de la démographie historique à partir de données collaboratives issues du site geneanet.org. J’avais également fait part de l’avancée des recherches lors d’une matinée d’exposés avec les membres de la chaire Actinfo (c.f. billet). Aujourd’hui, Arthur et moi avons déposé un document de travail intitulé « Étude de la démographie française du XIXe siècle à partir de données collaboratives de généalogie » sur HAL.

Dans ce papier, nous explorons un jeu de données de 2,45 millions d’individus, correspondant à des personnes nées entre 1800 et 1804 en France ainsi qu’à leurs descendants sur 3 générations. Les données brutes étaient gigantesques : plus de 700 000 000 de lignes. Chaque ligne représente un événement (naissance, mariage ou décès) pour un individu dans l’arbre d’un utilisateur de geneanet.org. Or, comme chaque utilisateur créé son propre arbre (il faut noter que nous n’avons pas accès aux arbres des utilisateurs n’ayant pas souhaité le rendre public), les individus se retrouvent dupliqués dans la base. Un gros travail d’appariement et de nettoyage des arbres a donc été réalisé et a conduit à ce nombre de 2,45 millions d’individus.

28Fév/18

Communes proches avec R

Rennes

Dans mes travaux actuels, j’ai besoin d’identifier pour une commune en particulier, quelles sont les autres communes proches, pour un rayon donné de 20km. Pour obtenir une telle information, je me suis appuyé sur les données de communes d’Open Street Map. L’idée est simple :

  • récupérer les frontières des communes ;
  • les étendre ;
  • regarder quelles communes sont en intersection avec les frontières étendues.