Stage en science des données avec le CERC/SLF
![CERC](/de/die-eth-zuerich/globales/netzwerk/eth-studios/eth-studio-davos/data-science-internships-with-cercslf/_jcr_content/par/image/image.imageformat.1286.296240882.jpg)
Stages en sciences des données avec page externeCERC/page externeSLF
Une prévision précise des inondations est essentielle pour garantir que des mesures puissent être prises en temps utile afin d'éviter les pertes de vie et de minimiser les dommages aux infrastructures et aux biens dus aux inondations. Les inondations dans les rivières sont généralement causées par une combinaison d'événements météorologiques (p. ex. tempêtes) et d'humidité préalable, c'est-à-dire de sols précédemment saturés qui peuvent réduire la capacité d'infiltration et entra?ner une augmentation des taux de ruissellement. Après des épisodes de sécheresse, les conditions météorologiques préalables sont faibles et les grandes pluies sont moins susceptibles de provoquer des inondations. Toutefois, les inondations sont également possibles dans ces cas.
Project : You will investigate whether floods preceded by drought are more difficult to predict on short and medium time scales than floods that occur independently of drought events. Ce projet vise à mettre en place un LSTM pour un sous-échantillon de bassins versants suisses, en utilisant des données de débits subdépartementaux pour prédire les événements historiques d'inondation qui se produisent à la fois immédiatement après une sécheresse et indépendamment d'une sécheresse. You would build the model structure, train the model using the available data and evaluate the performance for both cases.The overall aim is to determine whether there is a difference in predictive skill between independent and successive flood events, which, if it was, could have important implications for hydrological risk.
Le projet se déroulera dans un environnement inspirant au SLF et hors site avec une supervision en ligne.
Qualifications requises : Bachelor's, Master's students at ETH Zurich ; familiarité avec l'apprentissage automatique, fortes compétences en programmation (de préférence R ou Python), expérience dans le travail avec de grands ensembles de données, idéalement avec des données climatiques et hydrologiques.
Date de lancement : Octobre 2024
Durée de la formation : 6 à 8 semaines. Il est prévu que tu passes deux semaines de ce temps à Davos.
Les finances : Train travel to/from and accommodation in Davos are covered. Une bourse de 800 CHF de l'ETH Zurich sera mise à disposition.
More information and application :Veuillez envoyer votre candidature complète comprenant une courte lettre de présentation, votre CV, votre certificat & le transcript de votre dipl?me le plus élevé compilé en un seul PDF à Bailey Anderson,