Stagiaire en Intelligence Artificielle appliquée à l'Agriculture
Intégration d'une startup agritech pour développer des modèles prédictifs optimisant les rendements agricoles à partir de données météorologiques et agronomiques.
- Collecte et nettoyage de données agricoles et météorologiques à partir de fichiers CSV et Excel.
- Préparation de jeux de données pour l'entraînement des modèles prédictifs en traitant les valeurs manquantes.
- Développement de modèles de prévision du rendement agricole combinant données météorologiques et agronomiques.
- Réalisation de prévisions one-step et multi-step pour anticiper les tendances agricoles à court et moyen terme.
- Test et comparaison de plusieurs algorithmes (Régression Linéaire, Random Forest, XGBoost).
- Analyse des performances des modèles et optimisation des résultats obtenus.
- Création de visualisations de données et de tableaux de bord avec Matplotlib et Seaborn.
- Présentation des résultats sous forme de rapports analytiques et de recommandations d'aide à la décision.
Environnement technique