DATA SCIENCE USE CASE

Staatliche Ölfirma

Herausforderung

In diesem Projekt sollte die Wahrscheinlichkeit von Ölvorkommen im Meer vorhergesagt werden. Anhand von Sonardaten, welche die Dichte Unterwasserbodens gemessen haben wurden Bodentypen gruppiert und klassifiziert werden.

Die Klassifikation wurde u.a. mit k-nearest neighbour Algorithmen im Tool Weka klassifiziert. Explorative Datenanalyse wurde in MATLAB durchgeführt, und es wurde ein Visualisierungstool in C++ entwickelt, um das Profil des Bodens zu verstehen und die Wahrscheinlichkeit von Ölvorkommen in verschiedenen Regionen des untersuchten Gebiets zu bestimmen.

Verwendete Machine Learning Algorithmen:

u.a. K-nearest Neighbour

Verwendete Technologien:

MATLAB

C++

Team

Mariana Tuma de Athayde

Data Science Consultant


More Use Cases

Telekommunikationsunternehmen

Energieversorger

Medienunternehmen