Ce projet utilise des données satellites pour détecter et analyser les habitats spontanés. Il permet de définir le type de données satellites à utiliser, le département et l'année d'utilisation, ainsi que le type d'annotateur et la taille des buffers. Le pipeline d'entraînement complet est contenu dans le fichier src/run_training_pipeline.py et peut être lancé en définissant le fichier config.yaml et en exécutant la commande python src/run_training_pipeline.py <remote_server_uri> <experiment_name> <run_name>.

Ce projet utilise des modèles d'intelligence artificielle pour analyser des images satellitaires et détecter des objets spécifiques. Il permet la surveillance de zones géographiques et le suivi de l'évolution de cultures, offrant ainsi des informations précieuses pour divers secteurs d'activité.

Ce projet consiste à prétraiter et segmenter des images satellites à l'aide de données brutes. Il importe les données brutes sur un pod de travail, les prétraite et les annote automatiquement, puis télécharge le jeu de données annoté sur un service de stockage d'objets.

Ce projet vise à expérimenter le codage automatique de la NACE rev 2.1 basé sur les descriptions d'activités du registre Sirene. Il contient tous les composants nécessaires pour former un modèle de classification basé sur Fasttext, offrant une solution pratique et simple pour la compréhension automatisée des activités de sociétés.

Ce projet fournit le code nécessaire pour créer un tableau de bord de surveillance de la classification NACE (rev 2.1). Le tableau de bord, propulsé par les nouvelles fonctionnalités de Quarto, permet aux utilisateurs de suivre les performances du modèle, de visualiser les prédictions et de prendre des décisions éclairées basées sur des données quasi-en temps réel. Il est accessible à l'adresse [https://dashboard-ape.lab.sspcloud.fr/](https://dashboard-ape.lab.sspcloud.fr/).

Ce projet permet d'analyser des images satellites grâce à des algorithmes d'intelligence artificielle. Il est capable de détecter des anomalies et de surveiller des zones géographiques spécifiques.

Ce projet vise à former des modèles de segmentation d'images satellites pour la détection d'objets tels que les bâtiments, les routes et les zones agricoles. Il utilise des données géospatiales pour fournir des informations exploitables pour la gestion des ressources naturelles et la surveillance environnementale.