Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Notoriété 37 %Bibliothèque Python développée par Météo-France pour concevoir, entraîner et déployer des modèles d'intelligence artificielle dédiés à l'analyse et la prévision des données météorologiques. Elle propose des architectures de réseaux de neurones adaptées (CNN, transformers, modèles multimodaux) ainsi que des outils pour la segmentation d'images, la régression, la génération de texte et la détection d'objets sur des données satellitaires ou radar. Les modèles sont optimisés pour des cas d'usage opérationnels comme la détection de fronts, l'estimation des précipitations ou la prévision du temps.
- Notoriété 32 %Projet open source développé par Météo-France pour entraîner des architectures de réseaux de neurones (GNN, CNN, Vision Transformers, etc.) sur des jeux de données de prévision météorologique. Il permet de simuler des prévisions à partir de modèles d'apprentissage automatique, d'analyser leurs performances et de comparer différents modèles entre eux. Le projet inclut des outils pour visualiser les résultats sous forme de cartes animées et de graphiques, ainsi que des fonctionnalités pour suivre et enregistrer les expériences de modélisation.
- Ce projet utilise l'apprentissage profond pour améliorer la résolution des prévisions de vagues océaniques. Il transforme des données de modèles météo-marins à 10 km de résolution en données plus précises à 5 km, en se concentrant sur des paramètres clés comme la hauteur, la direction et la période des vagues. Les résultats sont utilisés pour affiner les analyses et prévisions océaniques, notamment pour la région de Bretagne.
- Ce projet permet de transformer un Raspberry Pi en station météo autonome pour mesurer et enregistrer des données environnementales comme la température, l'humidité, la pression atmosphérique, les précipitations, la vitesse et la direction du vent. Les données collectées peuvent être utilisées pour des analyses locales ou intégrées à des systèmes de monitoring plus larges.
- Application dédiée à l'analyse, au traitement et à la visualisation des données issues de capteurs météorologiques. Elle permet aux chercheurs, ingénieurs ou techniciens de transformer des données brutes en informations exploitables, facilitant ainsi la prise de décision ou la publication de rapports. L'outil s'adresse principalement aux acteurs du domaine environnemental ou climatique, qu'ils soient académiques ou institutionnels.
- Ce projet permet de déployer des services web Python pour transformer des fichiers NetCDF (format de données environnementales) en formats plus accessibles comme le CSV ou des images. Il facilite ainsi l'analyse et la visualisation des données scientifiques ou météorologiques par des utilisateurs non techniques. Le déploiement se fait via des conteneurs Docker pour une intégration simplifiée dans des environnements existants.
- Notoriété 13 %Ce projet open source fournit un package Python pour transformer et structurer des données météorologiques issues de capteurs agricoles. Il convertit les données brutes en un format optimisé (xarray) pour faciliter leur exploitation dans des analyses climatiques ou agronomiques. Les données sont récupérées via des services dédiés et adaptées pour une utilisation dans des outils de modélisation ou de visualisation. Le projet est développé par des instituts de recherche publique (INRAE/CIRAD) et vise à soutenir la recherche en agriculture durable.
- Ce projet vise à étudier et modéliser divers scénarios d'attaques informatiques à travers l'utilisation d'Attack-Defence Trees (ADTrees) et leur transformation en systèmes multi-agents asynchrones (EAMAS). Les cas d'utilisation incluent la modélisation d'attaques à la propriété intellectuelle, l'obtention de privilèges administratifs sur des systèmes UNIX, la compromission de dispositifs IoT et la simulation de scénarios de cambriolage.
- AdaptBee est un projet visant à agréger et structurer des données environnementales et phénologiques pour faciliter leur analyse. Il collecte des informations sur la qualité de l'air issues de différentes régions françaises, des données météorologiques, ainsi que des observations de biodiversité. Le projet permet de transformer ces données brutes en formats compatibles avec une base de données PostgreSQL dédiée, afin d'étudier les interactions entre polluants, climat et écosystèmes. Les données sont ensuite utilisées pour des recherches scientifiques ou des rapports environnementaux.
- Ce projet traite et analyse les données issues d'un radar UHF (Ultra Haute Fréquence) installé au SIRTA (Site Instrumental de Recherche par Télédétection Atmosphérique). Il permet de lire, nettoyer et transformer des fichiers de données brutes en formats exploitables, puis de générer des visualisations graphiques et des fichiers structurés (NetCDF) pour des études atmosphériques et météorologiques. Les outils développés facilitent le suivi des flux de données et la création de rapports ou d'analyses spécifiques.
19 initiatives
10