Les techniques modernes d'apprentissage automatique peuvent s'avérer cruciales pour traiter ces données hétérogènes, multi-échelles et multimodales. Parmi les méthodes qui retiennent l'attention dans ce domaine figurent le deep learning, l’adaptation de domaine, l'approche semi-supervisée, l'analyse des séries temporelles, l'apprentissage actif, l'intelligence artificielle explicable, la quantification de l'incertitude, ainsi que la construction et la visualisation de modèles interactifs. Même si l'apprentissage automatique et le développement de techniques ad hoc gagnent en popularité, nous constatons toujours un besoin important d'interaction entre les experts du domaine et les chercheurs travaillant sur ces approches innovantes.

Cet atelier se veut un forum international où les chercheurs des domaines précédemment cités peuvent se rencontrer pour échanger, débattre et définir des objectifs de recherche à court et à long terme autour de l'exploitation et de l'analyse des données d'observation de la Terre et des données atmosphériques par le biais de techniques d'apprentissage automatique. L’atelier vise à proposer une vue d'ensemble de la recherche actuelle sur l'apprentissage automatique concernant les données d'observation de la Terre et d'autres mesures atmosphériques. D'autre part, les organisateurs souhaitent stimuler des discussions concrètes afin d'ouvrir la voie à de nouveaux cadres d'apprentissage automatique spécialement conçus pour traiter les données concernées.