Data
Smart City — prédiction de consommation énergétique
Par Davy AGONMA — Développeur web freelance & intégrateur IA
Problème
Piloter la consommation énergétique résidentielle d'une ville suppose de savoir l'anticiper, alors que la donnée disponible décrit surtout des habitudes de vie : télétravail, mobilité, usages numériques, recharge de véhicules.
Solution
Projet de régression supervisée : exploration et nettoyage du jeu de données, encodage des variables d'habitudes urbaines, entraînement d'un Random Forest Regressor pour prédire la consommation d'un foyer en kWh, puis évaluation des performances.
Résultat
Modèle de prédiction fonctionnel et notebook d'analyse complet, réalisé dans le cadre de ma reconversion data science.
Projets similaires
Data science & machine learning : ce que couvre ce projet
Les projets data de ce portfolio viennent de ma reconversion vers la data science : régression supervisée, clustering, systèmes de recommandation et programmation par contraintes. Ils sont réalisés en Python, avec le cycle complet — exploration, nettoyage, modélisation, évaluation.
Ils montrent ce que je sais faire aujourd'hui sur la donnée, en complément du développement web et de l'automatisation : préparer un jeu de données, choisir un modèle adapté au problème et rendre le résultat exploitable dans une interface.
Rédigé par Davy AGONMA, développeur web freelance & intégrateur ia.