-
1Conference
المؤلفون: Brault, Vincent, Lacroux, Alain, Le Gall, Philomène, Martin-Lacroux, Christelle, Saillet, Angélique, Wang, Shuyu
المساهمون: Statistique pour le Vivant et l’Homme (SVH), Laboratoire Jean Kuntzmann (LJK), Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP), Université Grenoble Alpes (UGA)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP), Université Grenoble Alpes (UGA), Transitions Energétiques et Environnementales (TREE), Université de Pau et des Pays de l'Adour (UPPA)-Centre National de la Recherche Scientifique (CNRS), Pôle de recherche interdisciplinaire en sciences du management (PRISM Sorbonne), Université Paris 1 Panthéon-Sorbonne (UP1), Centre d'études et de recherches appliquées à la gestion (CERAG), Tous les calculs présentés dans ce document ont été effectués à l’aide de l’infrastructure GRICAD (https://gricad.univ-grenoble-alpes.fr), qui est soutenue par les communautés de recherche de Grenoble., This work is supported by the French National Research Agency in the framework of the "Investissements d’avenir” program (ANR-15-IDEX-02)., Société Française de Statistique, Université Libre de Bruxelles, Intelligence Artificielle, Biais et Acceptabilité dans le Recrutement (IAB@R), ANR-19-P3IA-0003,MIAI,MIAI @ Grenoble Alpes(2019)
المصدر: 54èmes Journées de Statistique de la SFdS
https://hal.science/hal-04152006
54èmes Journées de Statistique de la SFdS, Société Française de Statistique
Université Libre de Bruxelles, Jul 2023, Bruxelles, Belgiqueمصطلحات موضوعية: recruitment science, multilayer perceptron, logistic regression, AIC criterion, Machine learning, Apprentissage statistique, science du recrutement, perceptron multicouche, régression logistique, critère AIC, [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], [STAT.AP]Statistics [stat]/Applications [stat.AP]
-
2
المؤلفون: Brault, Vincent, Lacroux, Alain, Le Gall, Philomène, Martin-Lacroux, Christelle, Saillet, Angélique, Wang, Shuyu
المساهمون: Statistique pour le Vivant et l’Homme (SVH), Laboratoire Jean Kuntzmann (LJK), Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP ), Université Grenoble Alpes (UGA)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP ), Université Grenoble Alpes (UGA), Transitions Energétiques et Environnementales (TREE), Université de Pau et des Pays de l'Adour (UPPA)-Centre National de la Recherche Scientifique (CNRS), Pôle de recherche interdisciplinaire en sciences du management (PRISM Sorbonne), Université Paris 1 Panthéon-Sorbonne (UP1), Centre d'études et de recherches appliquées à la gestion (CERAG), Tous les calculs présentés dans ce document ont été effectués à l’aide de l’infrastructure GRICAD (https://gricad.univ-grenoble-alpes.fr), qui est soutenue par les communautés de recherche de Grenoble., Société Française de Statistique, Université Libre de Bruxelles, Intelligence Artificielle, Biais et Acceptabilité dans le Recrutement (IAB@R)
المصدر: 54èmes Journées de Statistique de la SFdS
54èmes Journées de Statistique de la SFdS, Société Française de Statistique; Université Libre de Bruxelles, Jul 2023, Bruxelles, Belgiqueمصطلحات موضوعية: science du recrutement, perceptron multicouche, critère AIC, [STAT.AP]Statistics [stat]/Applications [stat.AP], régression logistique, Apprentissage statistique, [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], logistic regression, AIC criterion, Machine learning, multilayer perceptron, recruitment science