Streamlit transforme des analyses Python en applications data interactives sans nécessiter une stack front-end distincte. Il est particulièrement adapté aux outils destinés aux experts pour explorer des jeux de données, examiner les résultats de modèles et analyser visuellement des problématiques scientifiques ou opérationnelles.
Extraire des insights et construire des modèles prédictifs à partir des données en utilisant les statistiques, le machine learning et la programmation
Des métriques fiables et des outils d’analyse pour suivre les performances, comprendre les écarts et guider les décisions.
Des métriques fiables et des outils d’analyse pour suivre les performances, comprendre les écarts et guider les décisions.
Développement d'outils Streamlit pour l'exploration hors ligne des données de détection et de trajectoire.
L'interface permettait de filtrer et de comparer les détections, les trajectoires et les conditions environnementales selon différentes périodes et conditions de fonctionnement.
Des cartes interactives et des visualisations de trajectoires permettaient d'étudier les déplacements autour des éoliennes, les motifs de vol récurrents et la distribution spatiale de l'activité aviaire.
Les données radar permettaient également une exploration en trois dimensions à partir des positions et altitudes mesurées.
Les visualisations facilitaient l'examen d'événements individuels d'effarouchement, notamment en comparant la trajectoire de l'oiseau avant et après le déclenchement des signaux acoustiques.
À la croisée de la biodiversité et de l’énergie éolienne, ce projet analyse le comportement des oiseaux autour des turbines à partir de détections par caméra et de trajectoires radar 3D. Il étudie leurs déplacements, leurs réactions à l’effarouchement acoustique et l’influence de la météo et du fonctionnement des éoliennes.
