Projet realisé en novembre 2024 dans le cadre de ma formation Data Scientist avec CentraleSupélec/OpenClassrooms.
Pour atteindre son objectif de ville carbon-neutral en 2050, l'équipe municipale s’intéresse à la consommation énergétique et aux émissions de gaz à effet de serre des bâtiments non destinés à l’habitation. Des relevés minutieux ont été effectués par les agents de la ville en 2016 ; ces relevés étant coûteux à obtenir, il s'agira de modéliser la consommation totale d’énergie et les émissions de CO2 et des bâtiments non destinés à l’habitation sur la base des données existantes ; en particulier, l’intérêt de l’ENERGY STAR Score pour ces prédictions devra être évalué.
Les données-source sont disponibles sur https://data.seattle.gov/Built-Environment/Building-Energy-Benchmarking-Data-2015-Present/teqw-tu6e/about_data ou en téléchargement direct sur https://s3.eu-west-1.amazonaws.com/course.oc-static.com/projects/Data_Scientist_P4/2016_Building_Energy_Benchmarking.csv
- fichiers :
- notebook_1.ipynb : code Python permettant l'import des fichiers .csv, leur nettoyage et l'analyse exploratoire des données
- notebook_2.ipynb : code Python permettant la modélisation de la consommation énergétique
- notebook_3.ipynb : code Python permettant la modélisation des émissions de CO2
- slideshow.pdf : diapositives de présentation du projet
- slideshow_notes.pdf : notes d’accompagnement des diapositives de présentation du projet
- data_dictionary.pdf : dictionnaire des données (en anglais)
- EnergyStar criteria Office_August_2019_508.pdf : méthodologie de calcul de l'Energy Star Score pour les locaux de bureaux (en anglais)
- Créer les variables pertinentes d'un modèle d'apprentissage
- Sélectionner, entraîner et évaluer des modèles d’apprentissage supervisé
- Python 3.13.2
Voir requirements.txt pour la liste complète des librairies & packages.
Cette étude a été produite par CelineBoutinon sur la base des données publiées par la ville de Seattle (WA, USA) sur https://data.seattle.gov/. La ville de Seattle fournit ces données au public « en l’état » et ne donne aucune garantie, expresse ou implicite, quant à l’exactitude, l’exhaustivité, l’actualité ou la fiabilité de ces données. La ville n’assume aucune responsabilité pour les erreurs dans l’information ni pour toute utilisation des informations fournies. Les utilisateurs des données sont responsables de l’utilisation qu’ils en font et les analyses présentées ici restent la responsabilité seule de l'auteure. Pour plus de détails, veuillez consulter les conditions d’utilisation sur https://data.seattle.gov/stories/s/Data-Policy/6ukr-wvup/.
This study was produced by Celine Boutinon based on data published by the City of Seattle (WA, USA) on https://data.seattle.gov/. The City of Seattle provides this data to the public “as is” and makes no guarantee, express or implied, as to the accuracy, completeness, timeliness, or reliability of the data. The City assumes no responsibility for errors in the information nor for any use of the information provided. Data users are responsible for how they use the data, and the analyses presented here are the sole responsibility of the author. For more details, please consult the terms of use at https://data.seattle.gov/stories/s/Data-Policy/6ukr-wvup/.