15 novembre 2024 : L'APPRENTISSAGE AUTOMATIQUE AU SERVICE DE LA PRÉVISION DES DÉBITS : UN GUIDE D'INITIATION POUR LES PROFESSIONNELS

Publié

Date et heure : vendredi 15 novembre 2024, de 13 h à 16 h (heure de la côte Est)

À propos de l'événement :

Cet atelier de courte durée a pour objectif de présenter les concepts fondamentaux de l'apprentissage automatique (ML) et de montrer aux professionnels comment les mettre en œuvre pour la prévision des débits fluviaux. L'atelier s'appuiera sur des carnets Colab interactifs afin de guider les participants à travers le « pipeline » de prévision des débits fluviaux par apprentissage automatique. L'objectif est de permettre aux participants d'acquérir une expérience pertinente et de découvrir des outils pratiques d'apprentissage automatique qu'ils pourront mettre en œuvre dans leur travail.

Les réseaux à mémoire à court et long terme (LSTM) seront présentés et utilisés pour générer des prévisions de débit à partir d'ensembles de données open source. Les thèmes abordés comprendront le prétraitement des données, l'apprentissage des modèles et la validation hors échantillon.

Animateurs : John Quilty et Mohammad Sina Jahangir

Biographie – John Quilty: Le Dr John Quilty est maître de conférences au département de génie civil et environnemental de l’université de Waterloo et titulaire de la chaire Sinnathamby en intelligence artificielle au service de solutions durables. Ses travaux de recherche portent sur des outils innovants permettant d’aborder les problèmes de non-linéarité, de changement multi-échelle et d’incertitude dans les prévisions hydrologiques. Le professeur Quilty est également rédacteur en chef adjoint du *Journal of Hydrology*.

Biographie – Mohammad Sina Jahangir : Le Dr Mohammad Sina Jahangir est chercheur associé au Département de génie des bioressources de l'Université McGill et ancien étudiant de l'Université de Waterloo. Il est spécialisé dans le développement, la conception, l'optimisation et le déploiement de modèles d'apprentissage profond. Ses recherches portent principalement sur le développement de modèles d'apprentissage profond probabilistes et génératifs destinés à la prévision multi-échelle.

Conditions préalables : un ordinateur portable capable de se connecter à Internet via une connexion sans fil. Un compte Gmail pour accéder à Google Collab/Drive.