Création d’un WebApp d’information sur les caractéristiques et l’identification des exoplanètes habitables.
A_la_decouverte_des_exoplanetes dans le cadre d’un Datathon de 30 heures, organisé par la Wild Code School
L’objectif est de fournir un support de présentation autour d’un thème portant sur l’espace. L’équipe a décidé de se concentrer sur les caractéristiques des exoplanètes habitables afin d’entrainer un algorithme de Machine Learning pour déterminer si une nouvelle exoplanète est habitable.
La WebApp crée se divise en 3 sections :
- Une présentation des techniques d’identification des exoplanète
- Une étude des critères permettant de déterminer si une exoplanète est habitable
- Un algorithme de ML (XGboost-tree) qui détermine si les nouvelles exoplanètes découvertes sont habitables ou non.
Ces analyses ont été mises à disposition au travers d’une WebApp créée avec la plateforme Streamlit.
Le site est hébergé directement sur les serveurs mis à disposition par Streamlit :
https://share.streamlit.io/mickaelkohler/exoplanet_discovery/main/Exoplanet_discovery.py
Projet fait entièrement en Python
Utilisations des librairies suivantes :
- Pandas
- Sklearn
- Plotly
- XGBoost
- Streamlit
La base de données de NASA Exoplanet Archive a été utilisée pour obtenir l’ensemble des datas sur les exoplanètes.
La base de données de Planetary Habitability Laboratory a permis d’obtenir le nom des exoplanètes supposées habitables.
Le Datathon a eu lieu du 11/04 au 12/04/2021.
Le projet a été réalisé par les élèves de la Wild Code School :
- Antoine Carré
- Franck Maillet
- Michael Kohler
- Mickaël Cacéres