Réseau de la science des données pour la fonction publique fédérale (RSDFPF)

Application de la classification par apprentissage automatique semi-supervisé aux exercices de détection d’anomalies : Les données de capteurs

Sujets abordés dans cet article : Vision par ordinateur, Analyses prédictives

Source : Avec l'aimable autorisation de Logement, Infrastructures et Collectivités Canada

Découvrez les moyens pris par les équipes de la science des données, des grands ponts et des projets de Logement, Infrastructures et Collectivités Canada (LICC) du gouvernement fédéral du Canada pour révolutionner la surveillance de l’état des ponts. Cet article présente leur projet novateur, qui s’est appuyé sur l’apprentissage automatique (AA) pour filtrer le bruit des données de capteurs et permettre une surveillance précise des éléments de structure. En combinant la classification par AA et les connaissances d’experts, l’équipe est parvenue à déceler plus de 714 000 anomalies. Les résultats obtenus ont permis d’améliorer les méthodes de surveillance traditionnelles. Découvrez les techniques utilisées et leurs répercussions importantes sur l’entretien des ponts. Ne manquez pas de lire cet article instructif sur l’avenir de la gestion des infrastructures!

Continuer la lecture: Application de la classification par apprentissage automatique semi-supervisé aux exercices de détection d’anomalies : Les données de capteurs

Application des algorithmes de forêts aléatoires pour améliorer les prévisions de dépenses dans les programmes de subventions et de contributions gouvernementales

Sujets abordés dans cet article : Éthique et utilisation responsable de l'apprentissage automatique

Le présent article illustre la collaboration réussie entre l’équipe de la science des données et le centre d’expertise en subventions et contributions de Logement, Infrastructures, et Collectivités Canada. En tirant parti de l’apprentissage automatique (AA), et plus particulièrement de l’algorithme de forêts aléatoires, le projet visait à améliorer les prévisions de dépenses des programmes de subventions et de contributions (S et C). En combinant des renseignements utiles fondés sur les données avec l’expertise financière, le modèle d’AA a considérablement renforcé l’efficacité et la précision des processus de S et C du ministère. Cette approche novatrice a été récompensée par le prix de l’innovation du contrôleur général du Canada en décembre 2024. L’article met en lumière la manière dont l’AA peut renforcer la saine gestion financière, rationaliser les opérations et fournir un cadre évolutif pour la planification stratégique à l’échelle du gouvernement fédéral.

Continuer la lecture: Des données aux décisions : Application des algorithmes de forêts aléatoires pour améliorer les prévisions de dépenses dans les programmes de subventions et de contributions gouvernementales

Des données aux décisions : Visualisations et modélisation d'apprentissage automatique des données de propriétés locatives

Sujets abordés dans cet article : Traitement et ingénierie des données Vision par ordinateur

Selon le recensement de 2021, il y avait 5 millions de ménages locataires au Canada, ce qui signifie qu'environ un tiers des ménages canadiens sont locataires. Une grande partie de cette activité de location se fait toutefois dans le secteur privé, ce qui entraîne des données limitées et incohérentes. Pour combler ces lacunes dans les connaissances, NorQuest College a acquis, traité, analysé et représenté visuellement les annonces immobilières de la partie prenante, le Community Data Program, pour l'Ontario.

Continuer la lecture: Des données aux décisions : Visualisations et modélisation d'apprentissage automatique des données de propriétés locatives