Une bibliothèque Python permettant de relier un fichier CSV sale avec une table de référence propre. Elle utilise Elasticsearch pour l'indexation et un labellisateur pour déterminer les paramètres de correspondance optimaux pour chaque scénario.

Ce projet est un parser du langage M utilisé par la calculette des impôts sur les revenus. Il permet de transformer le code source en AST, de le simplifier et d'extraire les variables utiles pour le calcul d'impôts.

Ce projet permet de fusionner des fichiers CSV ou Excel en utilisant des algorithmes de correspondance approchée, prenant en compte les erreurs de saisie, les homonymes et les variations de format.

Captchacha est une solution de vérification de formulaire en ligne qui permet de s'assurer de l'authenticité des soumissions et de prévenir les spams. Il sécurise les sites web en ajoutant une couche de vérification des utilisateurs.

Le projet dataESR vise à collecter, traiter et analyser des données relatives à l'enseignement supérieur et à la recherche en France. Il s'appuie sur des techniques d'extraction de données à partir de sources variées (web scraping, API, etc.), de traitement automatisé de données textuelles (NLP, SPARQL) et de visualisation de réseaux de relations (Neo4j).

CSV Detective API est un outil permettant d'analyser des fichiers CSV et de détecter les types de colonnes, de rechercher des correspondances avec des données de référence et de classer les colonnes par apprentissage automatique.

Ce dépôt contient plusieurs applications basées sur la calculatrice M de l'impôt sur le revenu, avec des exemples d'applications sous forme de notebooks Jupyter. Il permet d'exécuter un calcul sur l'arbre des formules et d'appliquer les 20 opérations du langage m, en utilisant différentes implémentations (non vectorielle, vectorielle, ou pour tensorflow).

Ce projet utilise TensorFlow et scikit-learn pour effectuer des analyses et classifications de données, en particulier du texte, grâce au traitement du langage naturel avec des outils tels que gensim et NLTK.

Ce script expérimental convertit les différences Git de textes législatifs en français en projets de rédaction législative, en essayant de suivre les directives de la légistique française. Il nécessite le langage Julia et des dépôts Git de codes de lois en français convertis au format Markdown.

Le projet datagouv-funfacts a pour objectif de visualiser et d'analyser des données ouvertes afin d'en extraire des anecdotes intéressantes et insolites. Il permet de démocratiser l'accès à la connaissance issue des données publiques en la rendant plus accessible et ludique.