Niveau en Machine Learning

** : Bonnes connaissances

Niveau en python

* : Connaissances de base

Prérequis techniques

Apporter son PC Portable

Intervenants

Cet atelier sera animé par :

• Yewan Wang, data scientist chez Miratlas
• Guillaume Simon, data scientist chez Miratlas

Présentation de l’atelier

Les enjeux de Miratlas portent sur la communication optique en espace libre. Toutefois, celle-ci dépend des conditions atmosphériques, elle-même dépendante des conditions météorologiques et en particulier les turbulences. C’est pourquoi Miratlas déploie et gère un réseau mondial d’instruments optiques pour surveiller ces conditions en continue et surtout en temps réel.

Pour la turbulence, les mesures se font en observant des objets célestes brillants, le Soleil pendant la journée, l’étoile Polaire pendant la nuit. Ce qui rend les instruments inefficaces dans les cas où ces objets ne peuvent pas être pris comme référence ; par exemple si la couverture nuageuse est trop importante. Il en résulte que les relevés de turbulences s’accompagnent de nombreuses valeurs manquantes. Cependant les stations météorologiques, elles, obtiennent des mesures sans interruption, ainsi, dans cet atelier, Miratlas nous propose d’analyser les relations internes potentielles entre les variables de turbulence et les données météorologiques, avec l’objectif d’obtenir des prédictions pouvant venir combler les trous dans les séries temporelles.

Au programme

Au cours de cet atelier, nous vous invitons à venir réfléchir à une méthode de pré-traitement des données de turbulence et météorologiques afin de les rendre compatibles pour une analyse conjointe. Nous chercherons à établir un modèle prédictif des variables de turbulences sur la base des données météorologiques disponibles. Venez avec vos idées de corrélations, de causalité ou autres pour voir ce qu’il est possible de prédire !