Menu
Ce webinar présentera LNE Uncertainty, le logiciel gratuit du LNE permettant d’appliquer facilement les méthodes du GUM et du GUM S1 pour vos évaluations d'incertitude de mesure.
Programme du webinar
Principaux points abordés :
- Présentation générale du logiciel
- Application à un exemple concret
- Questions-réponses
LNE Uncertainty est un logiciel gratuit développé par le Laboratoire national de métrologie et d'essais. Le logiciel permet d’évaluer les incertitudes de mesure par propagation des variances et des distributions selon les documents de référence que sont le GUM et le GUM S1. Outre l'évaluation de l'incertitude de mesure, le logiciel permet également de vérifier la validité des résultats obtenus avec la méthode GUM, de traiter des mesurandes multiples, de construire un budget d'incertitude en réalisant une analyse de sensibilité et de déterminer la distribution de la quantité de sortie.
LNE Uncertainty grâce à son interface intuitive peut être utilisé par un public très large sans connaissance particulière en programmation.
Dans ce webinar, nous vous présenterons les fonctionnalités et les avantages de LNE Uncertainty sur des exemples concrets.
Rejoignez-nous pour découvrir comment LNE Uncertainty peut vous aider à évaluer vos incertitudes.
Les experts
Sébastien MARMIN
Ingénieur de recherche et formateur / LNE
Il a obtenu son doctorat en mathématiques statistiques à l'université de Berne et a travaillé en tant que chercheur assistant à l'école d'ingénieur EURECOM. Spécialisé dans les calculs d'incertitude, ses recherches portent plus généralement sur les méthodes probabilistes pour l'apprentissage statistique, avec des applications en sciences de la vie, analyse d'images et ingénierie mécanique.
Loïc COQUELIN
Ingénieur de recherche / LNE
Il a obtenu son doctorat en mathématiques appliquées à CentraleSupélec en 2013. Depuis, il travaille au sein du département Science des données et Incertitude et ses recherches portent depuis plusieurs années maintenant sur l’évaluation des incertitudes associées aux prédictions des algorithmes d’apprentissage statistique (Machine Learning et Deep Learning) avec des applications dans des domaines variés tels que la métrologie des nano-matériaux, le transport autonome ou encore la santé.
Nicolas FISCHER
Responsable du département sciences des données et incertitudes / LNE
Il pilote l’activité de recherche et développement en évaluation de l’incertitude de mesure pour la métrologie française. Il est membre depuis 2014 du JCGM-WG1 groupe en charge du développement du GUM et de ses suppléments au sein du Bureau international des poids et mesures (BIPM). Depuis 2019 il est également Vice-chair du réseau européen Mathmet en mathématiques et statistiques pour la métrologie.
