20200924-datadrink-meteo-net

Transcript

1. MeteoNet Jeu de données météorologiques en libre accès
2. Sommaire 1. Présentation générale a. MeteoNet : pour favoriser l’innovation en IA pour la météorologie b. Données d’archives : prévisions et observations c. Un accès libre sur internet avec une toolbox en Python 2. Use cases 3. Perspectives
3. Pourquoi MeteoNet ?
4. En IA, pas d’innovation sans dataset ouvert ! • Toute l’innovation Deep Learning est basée sur des datasets ouverts • En météorologie, il existe peu de datasets : ◦ formatés pour l’IA ◦ consolidés ◦ de référence
5. Quelles données ?
6. Les données • 3 ans (de 2016 à 2018) • Quarts NO et SE de la France • Taille raisonnable : ~170GB Stations sol Prévisions AROME et ARPEGE, 2D et 3D Lame d’eau Réflectivité Masques terre-mer relief
7. Où et comment y accéder ?
8. Accès par la page d’accueil https://meteonet.umr-cnrm.fr/ Toolbox sur GitHub Documentation : https://meteofrance.github.io/meteonet / Données Kaggle Plateforme web organisant des compétitions Data Science
9. Use cases
10. Applications & contributions Contributions : • Communauté académique • Data enthusiasts Prédiction de séries temporelles Correction de données d’observation Améliorations des prévisions Prévision Immédiate de précipitations
11. Perspectives
12. A venir • Améliorer MeteoNet ◦ Plus de données (observations satellites) ◦ Optimiser l’organisation des données ◦ Une toolbox simplifiée • Animer et fédérer une communauté autour de MeteoNet ◦ Encadrements de projets, de challenges
13. Merci pour votre attention ! Landing page : https://meteonet.umr-cnrm.fr/