#32 Météo et Deep Learning - Partie 2

#32 Météo et Deep Learning - Partie 2

Le monde de la météorologie est imprégné de la culture de la modélisation physique. La prévision du temps, c'est avant tout les équations de Navier-Stokes. Pourtant, avec plusieurs dizaines de téra-octets de données produites chaque mois par Météo-France, il y a de la place pour les Data Sciences !

Rafael nous propose de nous partager ses travaux de stage sur la détection de mésocyclones dans les images radar

Bio : Rafael Horvat, Alternant chez Météo-France durant les trois dernières années : développement web et de data sciences (Deep Learning appliqué aux images radar). Récemment diplômé ingénieur Informatique à l’école 3iL de Rodez (12).

6aa4f3c589d3108830b371d0310bc4da?s=128

Toulouse Data Science

October 02, 2018
Tweet