Creation d’un WebApp d’information sur les caractéristiques et l’identification des Exoplanètes habitables.
Exoplanet_Discovery dans le cadre d’un Hackathon de 30 heures, organisé par la Wild Code School
L’objectif de fournir un support de présentation autour d’un thème portant sur l’espace. L’équipe a décide 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 exopnalètes
- Une études des critères permettant de déterminer si une exoplanète est habitable
- Un algoritmo de ML (XGboost) qui détermine si les nouvelles exoplanètes découvertes sont habitables ou non.
Ces analyses ont été mise à disposition au travers d’une WebApp créée au travers de 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
- Scikit-learn
- Plotly
- Streamlit
- XGboost
La base de données de NASA Exoplanet Archive ont été utilisées 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 habitables.
Le hackathon a eu lieu du 11/04 au 12/04/2021.
Le projet a été réalisé par les élèves de la Wild Code School :
- Antoine Carre
- Franck Maillet
- Michael Kohler
- Mickaël Caceres