Prévisions de séries temporelles par GenAI pour l'industrie
Des prévisions industrielles enfin accessibles
Vos machines, lignes de production et systèmes génèrent des données en continu : consommation d'énergie des machines CNC, mesures de capteurs, volumes de production, chiffres de vente. Les transformer en prévisions fiables exigeait jusqu'ici une équipe spécialisée, des mois de développement et une infrastructure coûteuse.
La GenAI change la donne. En 3 heures, l'expert Sirris Mihail Mihaylov vous montre comment créer un modèle de prévision à la hauteur des benchmarks industriels, sans écrire une ligne de code, sans expertise ML et sans licences coûteuses. Le modèle fonctionne d'emblée.
Pour qui ?
- Responsables et ingénieurs de maintenance qui veulent passer de la maintenance réactive à la maintenance prédictive
- Planificateurs de production et responsables des opérations ayant besoin de prévisions fiables de la demande et de la capacité
- Propriétaires de données et profils techniques souhaitant appliquer la GenAI sans pipelines ML complexes
- Toute personne qui collecte des données opérationnelles ou de capteurs et veut en tirer davantage de valeur
- Professionnels de l'énergie, des services publics, de la logistique ou de tout autre secteur à forte intensité de données souhaitant réaliser des prévisions sans équipe spécialisée
Points clés
Les modèles de fondation GenAI tels que Timer-S1, Chronos-2 et TimesFM-3 égalent, et dans plusieurs cas surpassent, les meilleurs modèles de prévision traditionnels, pour une fraction du coût et de l'effort. Sirris a testé ces modèles sur des benchmarks industriels reconnus, y compris avec des données réelles bruitées. Au cours de cette session, nous vous présentons une vue complète : où ils excellent, où ils montrent leurs limites et ce que cela signifie pour vos propres données.
Vous avez participé l'an dernier ? Cette édition aborde une nouvelle génération de modèles, leur robustesse face aux données bruitées et la manière dont les assistants de codage peuvent améliorer votre modèle de prévision de façon autonome.
À l'issue de cette session, vous saurez :
- Comment fonctionne la prévision de séries temporelles et quelles métriques de précision comptent en pratique
- Comment les modèles se comportent sur des données réelles bruitées et lesquels sont les plus robustes
- Comment trouver le bon équilibre entre précision, robustesse et vitesse
- Quand la GenAI surpasse le ML classique, et quand ce n'est pas le cas
- Comment créer votre propre modèle de prévision en un après-midi avec des modèles open source gratuits
- Comment vous lancer immédiatement grâce à la méthode pas à pas de Sirris
Programme
Cette masterclass de 3 heures se déroule comme suit :
| Heure | Sujet | Orateur |
|---|---|---|
| 09:00 - 09:30 | Intro : bases, métriques clés et modèles de fondation vs LLM | Mihail Mihaylov (Sirris) |
| 09:30 - 10:30 | Modèles de fondation : Timer-S1, Chronos-2 et TimesFM-3 comparés en précision, robustesse, vitesse et coût. Auto-research : des assistants de codage qui améliorent les prévisions seuls | Mihail Mihaylov (Sirris) |
| 10:30 - 12:00 | La recette Sirris : construction pas à pas, démo live et Q&R | Mihail Mihaylov (Sirris) |
| 12:00 - 13:00 | Lunch de networking | - |
Les entreprises flamandes peuvent bénéficier d'une subvention de VLAIO pour ce cours
Ce programme fait partie d'Industriepartnershap dans lequel 13 partenaires d'innovation flamands offrent un service intégré pour stimuler la croissance et l'innovation dans l'industrie flamande dans les 6 thèmes suivants : IA, cybersécurité, circularité, numérisation, climat et énergie et industrie 4.0. Ils le font sous la direction d'Agoria et de Sirris et avec le soutien d'Agentschap Innoveren & Ondernemen.
Date
Location
Prix
Langue
Anglais

