Time Series France #12 - Le Bateau Qui Vole - Exploiter des données de navigation pour remporter les courses au large

Time Series France - 12ème edition - Slides de présentation de Loic Veyssière de Meritis sur le projet "Bateau Qui Vole"

Transcript

6. • • •
9. ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪
10. ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪
13. ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ Vent
19. ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪
20. Pyramide de Maslow revisitée – source : https://hackernoon.com/the-ai-hierarchy-of-needs-18f111fcc007
21. ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ architecture macro
23. ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪
24. ▪ ▪ ▪ ▪
28. API API Worker Worker Schedule Redis
30. Ma méthodologie
32. Correction de l’angle de vent mesuré par l’angle de rotation de mât Vent réel Vent apparent Vent vitesse = - Vitesse route surface Vent réel non calibré calculé Sources d’erreurs : - Accélération du vent au portant - Perturbations des capteurs par la voile - La gîte influence la mesure - Mauvais calcul de la route surface Courant Dérive (dû au vent) Route surface Vocabulaire : vent apparent ≠ vent réel ≠ vent fond Méthode de calibration de la vitesse du vent en fonction de l’angle au vent : - Lors du changement de cap, la vitesse mesurée est théorique constante - A l’aide du machine learning, recalibrer les offets des capteurs
33. Mesure indirecte de la hauteur des vagues
34. Visualisation des données de foils
35. Arma/Arima Réseau de neurones récurrents (RNN) Réseaux de neuron