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
