SOLUTIONS
USE-CASES
LE LAB
ARTICLES
NOUS SOMMES
CONTACT
CARRIÈRES
NEWS
ACCES ENABLERS
Trier par mots-clés
Algorithmes
algorithmique
Améliorationdeprocess
Audit
AutoML
BeEnabler
BigData
CNN
ComputerVision
ContrôleQualité
Cosmétique
Data
DataGouvernance
DataScience
DataVisualisation
DeepLearning
DétectionAnomalie
DétectionAnomalies
DétectionObjets
Energie
equationsdifferentielles
Event
Fewshotlearning
Forecast
Forecasting
Fraude
GAN
GenAI
Géoscience
GPU
IA
IA generative
Images
Immobilier
Industrialisation
Innovation
IntelligenceArtificielle
Interprétation
LabInsights
large language models
LectureIntelligente
LLM
LLMs
MachineLearning
MaintenancePrédictive
MCMC
MLops
Modèle
NLP
OpenCV
Optimisationdeproduction
Prévision
probabiliste
ProjetCollaboratif
Python
ReconnaissanceObjets
Réseau
Rewind
RH
Segmentation
SHAP
Tensorflow
TimeSerie
TimeSeries
virtualsensor
SOLUTIONS
USE-CASES
LE LAB
ARTICLES
NOUS SOMMES
CONTACT
>WE HIRE<
CARRIÈRES
NEWS
ACCES ENABLERS
OK
Énergie
DÉTECTER AUTOMATIQUEMENT LES CHANGEMENTS DE RÉGIME DANS UN RÉSEAU D’EAU
#
Audit
#
MaintenancePrédictive
#
TimeSeries
OBJECTIFS
Faire le suivi du taux de chlore dans l’eau du réseau d’Ile de France pour détecter des incidents potentiels d’exploitation
Détection automatique d’évènements dans le but de surveiller la qualité de l’eau en Ile-de-France
Détection non-supervisée de points de changements dans des séries temporelles multivariées mesurant la concentration du Chlore dans l’eau
ALGORITHMES
Algorithmes se basant sur :
La vraisemblance : KLIEP, uLSIF, RuLSIF
Le gain d’informations : BatchIGTS, SequentialIGTS
La forme : FLUSS, FLOSS, ESPRESSO
Algorithme de Deep Learning : TS-CP2
Parlez-en AVEC UN EXPERT !
Michel de Vasselot
Business Manager
mdevasselot@aquiladata.fr
> JE LE CONTACTE !
VOIR TOUS LES USE-CASES