Punch Data Science Meetup
When: on the 15th of October. Where: in Rennes at the Google atelier numérique.
Organised as part of the Rennes Machine Learning Meetup /French Tech
Speaker: Simon Grah from Thales Theresis Research Lab
Topic: Maritime Traffic Anomaly Detection
We are very happy to have Simon animate our next meetup in Rennes. Many thanks to Camille Saumard (from lumenai), to invite us as part of the Rennes ML meetup she animates, in close relationship with the French tech and to Hugues Deghorain for his help setting this up.
Nous sommes très heureux d’inviter Simon du laboratoire Theresis de Thales pour notre prochain meetup punch. Il aura lieu a l’atelier numérique de Google à Rennes. Un grand merci à Camille Saumard (de lumenai) de nous accueillir au meetup ML de Rennes qu’elle anime, dans le cadre de la Fench Tech. Un grand merci aussi à Hugues Deghorain pour son aide.
Abstract (french)
La plupart des bateaux émettent fréquemment des messages AIS (Automatic Identification System) contenant un certain nombre de variables comme la vitesse, les coordonnées, des informations temporelles, etc… Ce système a été créé à l’origine pour éviter les collisions en mer. Un même bateau peut parfois envoyer des signaux toutes les deux secondes.
L’objectif de cette présentation est double. Dans un premier temps, réaliser l’entraînement d’un modèle de machine learning pour apprendre le comportement moyen d’une classe de navire (ex : navire Tanker). Ainsi pour un nouveau message AIS se déclarant de la classe Tanker, l’algorithme entraîné lui associera une probabilité d’être classé en tant que navire Tanker plutôt qu’une autre classe. Cette probabilité reflète de manière sous-jacente la cohérence des caractéristiques du message avec tous ceux déjà vu par le modèle pour la classe Tanker. La phase de pré-traitement des données, ainsi que l’apprentissage du modèle s’appuiera sur la solution PunchPlatform Machine Learning (PML).
Enfin, une présentation de l’état de l’art des méthodes d’interprétabilité en machine learning sera illustrée par l’explication de quelques sorties de l’algorithme précédemment entraîné.
