Découvrez comment combiner machine learning et géostatistique pour mieux interpréter les données géologiques et améliorer vos modèles.
En seulement 45 minutes, découvrez comment les techniques de machine learning peuvent compléter les approches géostatistiques pour mieux analyser vos jeux de données complexes et soutenir la prise de décision dans les projets miniers et géoscientifiques.
À travers des exemples concrets et une démonstration en direct, vous verrez comment Python et Isatis.neo peuvent être utilisés ensemble pour intégrer ces méthodes dans des workflows géostatistiques.
Date & format
Jeudi 26 février 2026, 11h00 (heure de Paris CET)
Durée : ~45 minutes + session de questions/réponses en direct
Webinaire en ligne – tous les inscrits recevront l’enregistrement vidéo après l’événement.
This webinar will also be held in English on Tuesday, March 24, at 11:00 AM. Click here to register.
Pourquoi participer
Le machine learning transforme la manière dont les géoscientifiques analysent et interprètent les données. Combiné à la géostatistique, il permet de mieux exploiter les données disponibles pour améliorer la compréhension géologique, définir des domaines plus cohérents et prédire des variables clés dans les projets miniers et géoscientifiques.
Dans ce webinaire, vous découvrirez les principes essentiels du machine learning appliqués aux géosciences et comment ces méthodes peuvent être intégrées à des workflows géostatistiques. À travers des exemples concrets et une démonstration en direct, vous verrez comment Python et Isatis.neo peuvent être utilisés ensemble pour intégrer efficacement ces approches à vos projets.
Que vous soyez débutant en machine learning ou que vous souhaitiez mieux comprendre son rôle dans les applications géoscientifiques, cette session vous apportera des exemples concrets.
Ce que vous apprendrez
Lors de ce webinaire, vous découvrirez :
- Comment le machine learning peut enrichir les workflows en géosciences et en exploitation minière
- La différence entre apprentissage supervisé et non supervisé
- Les techniques de réduction de dimensionnalité (PCA, MAF, MDS) pour simplifier des jeux de données complexes
- Comment les méthodes de clustering peuvent aider à définir des domaines géologiques
- Comment les méthodes supervisées peuvent être utilisées pour la régression et la classification
- Un aperçu des algorithmes les plus utilisés : k-nearest neighbors, régression linéaire et logistique, analyse discriminante, arbres de décision, machines à vecteurs de support, random forests et réseaux de neurones
- Des exemples pratiques appliqués à des données géoscientifiques
- Une démonstration en direct avec Python et Isatis.neo.
À qui s’adresse ce webinaire ?
Ce webinaire s’adresse notamment aux géostatisticiens, géologues, ingénieurs miniers, responsables exploration, spécialistes de l’estimation des ressources, et équipes techniques souhaitant explorer le machine learning dans un contexte minier concret.
Intervenant
Pedram Masoudi est consultant et formateur chez Geovariances depuis 2019. Son travail porte sur la modélisation géostatistique et l’intégration de données géologiques et géophysiques à l’aide d’Isatis.neo et de Python. Son expertise couvre l’estimation des ressources minérales (conforme aux normes JORC), la caractérisation de réservoirs pétroliers, la modélisation des faciès géologiques, les études géotechniques, ainsi que la cartographie des sols contaminés, notamment dans des contextes de radioprotection.
Ne manquez pas cette occasion d’apprendre auprès de nos experts !
Inscrivez-vous dès maintenant pour découvrir comment le machine learning peut compléter vos approches géostatistiques et améliorer l’analyse de vos données géoscientifiques.
Un replay sera envoyé à tous les inscrits.
