Apprentissage profond et compréhension des processus pour la science des systèmes terrestres axée sur les données - Conférence 37

Aperçu

Explore deep learning applications in Earth System Science, focusing on process understanding and data-driven approaches to environmental research and analysis.

Programme

• Introduction à l'apprentissage profond dans les sciences du système terrestre
Aperçu des sciences du système terrestre (SST)
Rôle de l'apprentissage profond dans la recherche environnementale
• Compréhension des processus dans les SST
Définition et importance
Défis de la modélisation des processus
• Approches basées sur les données
Types de données dans les SST
Techniques de collecte et de prétraitement des données
• Modèles d'apprentissage profond pour les SST
Réseaux de neurones convolutionnels (CNN) pour les données spatiales
Réseaux de neurones récurrents (RNN) pour les données temporelles
Autoencodeurs et apprentissage non supervisé
• Études de cas dans les SST
Modélisation et prévision du climat
Télédétection et classification de l'utilisation des sols
Analyse des données océanographiques
• Interprétation des modèles d'apprentissage profond
Métriques d'évaluation des modèles pour les SST
Techniques d'interprétation et de visualisation
• Sujets avancés
Apprentissage par transfert dans les SST
Modèles hybrides combinant techniques basées sur la physique et sur les données
• Défis et directions futures
Considérations éthiques et biais dans les modèles basés sur les données
Intégration de l'IA avec les approches traditionnelles des sciences environnementales
• Conclusion
Récapitulatif des concepts clés
Questions ouvertes et axes pour la recherche future

---

Matières

Data Science