Classe de maître | Améliorer les prévisions de température à l’aide de transformers

Le post-traitement statistique de prévisions météorologiques est utilisé couramment pour corriger des biais provenant de modèles de prévisions numériques, dans une logique d’apprentissage des erreurs passées pour les corriger à l’avenir. Les méthodes contemporaines d’apprentissage automatique permettent d’accomplir cette tâche avec plus de robustesse, permettant de corriger des erreurs même dans des contextes où l’historique de données est limité. Cette présentation discutera de l’utilisation de réseaux Transformers pour l’amélioration les prévisions de température en Amérique du Nord.

Expert : David Landry, scientifique des données