diego bugarin

Prévision du Rendement des Cultures

Dans le cadre de ma thèse de master, j’ai développé un modèle de machine learning pour prévoir les rendements agricoles au Mexique à partir de données météorologiques et historiques. Le modèle visait à améliorer la précision des prédictions et à fournir des informations précieuses pour que les agriculteurs et entreprises puissent prendre des décisions proactives basées sur les données.

Caractéristiques

  • J’ai extrait et traité des données avec Python depuis plusieurs sources, y compris des fichiers Excel de plateformes gouvernementales, un web crawler pour les données historiques d’ouragans de la NOAA et des données météorologiques via l’API OpenMeteo.
  • J’ai développé un tableau de bord interactif avec Power BI pour analyser et visualiser les tendances de production de légumes au Mexique.
  • J’ai préparé des ensembles de données d’entraînement et de test pour le modélisation prédictive, garantissant qualité et cohérence pour l’analyse.
  • J’ai construit des modèles intermittents en Python et utilisé IBM Watson Machine Learning pour prévoir la fréquence des ouragans et des sécheresses.
  • J’ai visualisé l’erreur quadratique moyenne (RMSE) des modèles prédictifs afin de déterminer le plus précis.
  • J’ai utilisé Matplotlib pour visualiser l’importance des variables dans les modèles prédictifs, obtenant de meilleurs insights.
  • J’ai développé des modèles de machine learning avec IBM Watson pour prévoir la production de légumes en fonction des prévisions météorologiques, intégrant climat et agriculture.

Web Crawler pour l’Automatisation de l’Extraction de Données

J’ai développé un web crawler en Python avec Selenium pour extraire des données historiques d’ouragans, automatisant ainsi l’obtention d’informations pour la modélisation prédictive.

Projet Suivant

Prévision du Rendement des Cultures | Diego Bugarin