00000000cam 2200000zi 4500
0019.966540
003CaOODSP
00520261006104343
006m     o  d f      
007cr cn|||||||||
008261006e20250908oncad   ob   f000 0 fre d
040 |aCaOODSP|bfre|erda|cCaOODSP
043 |an-cn---
0861 |aCS11-522/2024-1-17F-PDF
1001 |aSantos, Benjamin, |eauteur.
24510|aExploration de la génération de données synthétiques d'apprentissage profond pour partager des données sensibles liées à des services publics / |cpar Benjamin Santos, Rafik Chemil et Julian Templeton.
2461 |iEn tête du titre : |aRecueil du Symposium de 2024 de Statistique Canada : |ble futur des statistiques officielles
264 1|a[Ottawa] : |bStatistique Canada = Statistics Canada, |cle 8 septembre 2025.
300 |a1 ressource en ligne (9 pages non numérotées) : |billustrations, graphiques.
336 |atexte|btxt|2rdacontent/fre
337 |ainformatique|bc|2rdamedia/fre
338 |aressource en ligne|bcr|2rdacarrier/fre
4901 |a[La série des symposiums internationaux de Statistique Canada : recueil], |x1709-822X
500 |aTitre de la couverture.
500 |aPublié aussi en anglais sous le titre : Exploring of deep learning synthetic data generation for sensitive utility data sharing.
504 |aComprend des références bibliographiques.
5203 |a« Les services publics ont des reseignements essentiels sur la consommation d'énergie et les caractéristiques des bâtiments, des renseignements que les organismes gouvernementaux peuvent utiliser pour améliorer leurs analyses correspondantes. Ces données, de nature confidentielle, sont toutefois associées aux enregistrements de clients. Les données sur les bâtiments et la consommation d'énergie peuvent être trop délicates pour être partagées. Souvent, les versions agrégées de ces données sont échangées en vertu de contrats très restrictifs, ce qui limite le nombre de statistiques qui peuvent en être extraites. Avec l'avancement des techniques génératives d'apprentissage automatique, Statistique Canada et Ressources naturelles Canada ont évalué s'il était possible d'utiliser ces modèles pour produire des versions synthétiques des données sur les services publics qui peuvent être échangées intégralement avec les organismes qui en font la demande » -- Résumé, page [2].
650 6|aServices statistiques|xConfidentialité|zCanada.
650 6|aApprentissage profond.
650 6|aSystèmes d'information|xServices publics.
7102 |aStatistique Canada, |eorganisme de publication.
77508|tExploring of deep learning synthetic data generation for sensitive utility data sharing / |w(CaOODSP)9.966537
830#0|aSérie des symposiums internationaux de Statistique Canada,|x1709-822X|w(CaOODSP)9.502081
85640|qPDF|s654 Ko|uhttps://publications.gc.ca/collections/collection_2026/statcan/11-522-x/CS11-522-2024-1-17-fra.pdf
986 |a11-522-X