diff-privacy-poc
Ce projet propose une preuve de concept (POC) pour calculer et visualiser des statistiques tout en garantissant la confidentialité différentielle des données. Il permet aux utilisateurs d'explorer des jeux de données sensibles sans compromettre la vie privée des individus, en appliquant des techniques mathématiques avancées pour protéger les informations personnelles.
Cas d'utilisation métiers
- Évaluation de modèles d'apprentissage automatique : rechercher des initiatives proches
- Visualisation de statistiques privées : rechercher des initiatives proches
- Démonstration de protection des données sensibles : rechercher des initiatives proches
- Analyse de données avec confidentialité différentielle : rechercher des initiatives proches
Cas d'utilisation fonctionnels
Outils utilisés
- Shiny : voir les initiatives qui l'ont aussi
- NumPy : voir les initiatives qui l'ont aussi
- YAML : voir les initiatives qui l'ont aussi
- Microsoft Excel : voir les initiatives qui l'ont aussi
- Poli : voir les initiatives qui l'ont aussi
- scikit-learn : voir les initiatives qui l'ont aussi
- Matplotlib : voir les initiatives qui l'ont aussi
- Sphinx : voir les initiatives qui l'ont aussi
- Pandas : voir les initiatives qui l'ont aussi
- Plotly.js : voir les initiatives qui l'ont aussi
Description générée le jeudi 12 novembre 2026 à 15:32:15