Machine learning / Projet
Prévision de la demande électrique en Europe
Prévision de la demande électrique avec XGBoost et LightGBM, reliée à une API et à des outils de suivi des modèles.
- Mon rôle
- Développement de pipeline machine learning
- Période
- Nov. 2025 — Janv. 2026
- R²
- 0,85+
- MAPE
- <10 %
Résultats d’évaluation du projet ; les performances dépendent de la période, de l’horizon et du découpage des données.
01 / Le contexte
Le problème étudié
Un pipeline de prévision de la demande électrique européenne à partir du jeu Western Europe Power Consumption.
02 / Ma contribution
Mon travail
Développement du workflow de prévision reliant entraînement, API de prédiction, stockage temporel et réentraînement.
Le défi
Intégrer les modèles de prévision dans un workflow reproductible, des données aux prédictions.
03 / La démarche
Le fonctionnement du système
- Préparer les séries temporelles de demande électrique.
- Entraîner et évaluer XGBoost et LightGBM.
- Exposer les prédictions avec FastAPI et versionner les modèles avec MLflow.
- Utiliser TimescaleDB pour le stockage temporel et Airflow pour l’ingestion et le réentraînement.
04 / Les résultats
Les réalisations
- Un pipeline complet reliant ingestion, évaluation des modèles et prédictions via API.
Projet suivant