#33 Météo et Deep Learning

Le monde de la météorologie est imprégné de la culture de la modélisation physique. La prévision du temps, c'est avant tout les équations de Navier-Stokes. Pourtant, avec plusieurs dizaines de téra-octets de données produites chaque mois par Météo-France, il y a de la place pour les Data Sciences !

Lior nous propose dans cette conférence de faire un focus sur l'activité Deep Learning à Météo-France :

• Comment le Deep Learning a été introduit dans un monde de physiciens,
• Quelques exemples d'applications du Deep Learning à la météorologie : prévision d'images à courte échéance, correction de séries temporelles, post-traitement des sorties de modèle...

Bio :
Lior Perez, Météo-France, Responsable des Développements Informatiques

Rafael Horvat, Alternant chez Météo-France durant les trois dernières années : développement web et de data sciences (Deep Learning appliqué aux images radar). Récemment diplômé ingénieur Informatique à l’école 3iL de Rodez (12).

================================

Agenda:
• 18h50 - Accueil des participants
• 19h15 - Talk d'introduction
• 19h30 - Présentation Météo & Deep Learning
• 21h00 - Moment apéro et échange entre les membres

Un GRAND MERCI à notre SPONSOR :

• Dexstr : https://www.dexstr.io/fr/

Un merci tout spécial à Nathalie et Benoit d’Harry Cow pour leur accueil.

------------------------------------------------------------------
Les meetups peuvent être filmés et le public photographié au long de l'événement. En participant à ces rencontres vous autorisez la publication des photos sur notre site Toulouse Data Science Meetup. Cette autorisation n'inclut pas une utilisation publicitaire d'image.