Modélisation et prévision de séries temporelles de consommations
électriques locales à partir de données non structurées (réseaux
sociaux)

_Lieu du stage_ : la Défense (34, place des Corolles) au sein du
Département La Fabrique de la direction du Numérique d'Enedis. En
partenariat avec l'INP Grenoble.

_Contact_ : Anne De Moliner (anne.de-moliner@enedis.fr)

_Durée du stage_ : 6 mois. A partir de début 2024

_Profil du candidat_ : Bac + 4 ou 5 spécialisé en Data Science avec
expérience en NLP, bonnes pratiques de développement Python et Git,
parlant le Français.

_Sujet :_ Le sujet vise à traiter les données de réseaux sociaux via
des méthodes de NLP (Natural Language Processing) pour améliorer la
prévision de séries temporelles de consommation électrique consommation
locale (régions, départements, communautés d'agglomérations...).

Jusqu'à présent, notre démarche utilise uniquement les hashtags des
tweets. On imagine qu'une exploitation du contenu des tweets via NLP
devrait permettre de construire des variables plus pertinentes.

Il s'agira donc non seulement de trouver des façons d'exploiter le
contenu des tweets (analyse émotionnelle / catégorisation en pertinent
vs pas pertinent / regroupement automatique des hashtag) pour
construire des variables qui décrivent mieux la consommation
électrique, mais aussi de déterminer un processus de validation des
approches proposées