Projet pour Nathalie Folton d'Aix-en-Provence UMR RECOVER, utilisant une version de R en 3.6.3 avec des paquets spécifiques pour l'analyse de données climatiques, l'évaluation de tendances climatiques et la modélisation de données hydrologiques.

Ce projet propose une formation en apprentissage automatique appliquée aux sciences environnementales et au secteur énergétique. Il utilise des notebooks Python pour enseigner l'analyse de données climatiques et énergétiques, en combinant méthodes statistiques traditionnelles et techniques avancées de machine learning. Les étudiants apprennent à extraire des motifs pertinents, modéliser des relations entre variables et prédire des tendances pour prendre des décisions éclairées dans des contextes environnementaux concrets.

Ce projet permet d'analyser et de visualiser des données environnementales et climatiques à partir de jeux de données complexes. Il facilite la modélisation de phénomènes physiques et la surveillance de paramètres critiques comme la température, l'humidité ou les niveaux de pollution. Les outils intégrés aident les chercheurs et les ingénieurs à interpréter des données massives pour en extraire des tendances ou des anomalies.

Ce projet scientifique analyse les données de concentration de CO2 mesurées depuis 1958 à l'observatoire de Mauna Loa, à Hawaï. Il vise à modéliser les variations périodiques et les tendances à long terme du CO2 atmosphérique. Les résultats permettent de comprendre l'évolution du climat et d'anticiper les tendances futures jusqu'en 2025.