bayescovid19

Notoriété 7 %

Ce projet utilise un modèle SEIR(D) et une approche bayésienne pour prévoir la propagation du virus SARS-Cov-2. Les données de l'ECDC et de Santé publique France sont utilisées pour estimer les paramètres du modèle. Des prévisions pour l'Italie et la France sont fournies en exemple.

Dépôt de code

https://gitlab-research.centralesupelec.fr/datasc_projects_public/bayescovid19 (nouvelle fenêtre)1 étoiles

Cas d'utilisation métiers

Analyser l'impact du confinement
Prévoir la propagation du virus SARS-Cov-2
Estimer les paramètres du modèle à partir de données

Cas d'utilisation fonctionnel

Utilise de l'intelligence artificielle

Organisation

Administration centrale
- Gouvernement (Premier ministre et ministères)
  - Ministère de l’Enseignement supérieur, de la Recherche et de l'Espace
    - Établissements d'enseignement supérieur et de recherche - Ministère chargé de l'Enseignement supérieur
      - CentraleSupélec (organisation rattachée)

Outils utilisés

NumPy
Matplotlib
Pandas
SciPy

Description générée le mardi 19 mars 2024 à 19:53:39

D'autres initiatives de la même organisation

CentraleSupélec
centralesupelec.fr
CVA6 RISC-V Shadow Stack
gitlab-research.centralesupelec.fr/crepes/crepes
ruche_examples
gitlab-research.centralesupelec.fr/mesocentre-public/ruche_examples
deploy
gitlab-research.centralesupelec.fr/cidre-public/npr/deploy