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

Aperçu

Explorez les applications de l'apprentissage profond dans les sciences du système terrestre, en mettant l'accent sur la compréhension des processus et les approches basées sur les données pour la recherche et l'analyse environnementale.

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

Sujets

Science des données