Ce projet est une formation en ligne (MOOC) sur l'apprentissage automatique en Python, utilisant la bibliothèque scikit-learn. Il comprend des notebooks Jupyter interactifs, des leçons en texte enrichi et des visualisations de données avec Matplotlib, Seaborn et Plotly. Les étudiants peuvent apprendre à leur propre rythme et bénéficier de fonctionnalités supplémentaires telles que des quiz et un forum de discussion.

Lunatic est une bibliothèque front-end sous forme de hook et de librairies de composants React permettant de générer un questionnaire à partir du format de données Lunatic-Model.

AGD Tools est une librairie Python conçue pour faciliter l'analyse de données, en particulier les données géospatiales. Elle offre des fonctionnalités avancées de calcul scientifique, de manipulation de structures de données complexes et de connexion à des bases de données PostgreSQL.

Declearn est un package Python permettant de réaliser des apprentissages machine décentralisés en distribuant les calculs sur un ensemble de propriétaires de données. Il vise à offrir aux utilisateurs finaux et aux chercheurs en algorithmes une framework modulaire et extensible qui repose sur des abstractions suffisamment générales pour écrire du code algorithmique indépendant du cadre de calcul, des détails du modèle statistique ou de la configuration des communications réseau.

Ce projet implémente l'algorithme d'apprentissage supervisé de fastText pour la classification de texte utilisant PyTorch. Il vise l'efficacité et la précision dans la classification de texte, la réduction de dimensions textuelles, l'analyse de sentiments et la catégorisation de contenu.

La plateforme Vidjil est composée de deux parties principales : Vidjil-algo et une application web. Vidjil-algo analyse les données de séquençage à haut débit pour extraire les jonctions V(D)J et les regrouper en clones. L'application web permet la visualisation et l'analyse interactive des clones et de leur évolution dans le temps dans un contexte de suivi de la maladie résiduelle minimale ou d'étude immunologique. Elle peut également être liée à une base de données de échantillons, d'expériences et de patients pour le stockage des données et des métadonnées, l'exécution de logiciels RepSeq et la sauvegarde d'annotations directement depuis l'application web.

Ce projet contient les supports de cours d'une auto-formation d'initiation à Python, proposée sur le SSP Cloud. Les différents chapitres peuvent être déployés en un clic sous la forme d'un Notebook Jupyter. Les sources des supports de cours sont disponibles au format qmd dans le dossier source/ et peuvent être générées en notebooks ipynb exécutables grâce à Quarto et aux packages Python nécessaires.

ConnectionLens est un outil permettant de trouver des connexions entre des termes spécifiés par l'utilisateur à travers plusieurs sources de données hétérogènes. Il considère un ensemble de sources de données indépendantes comme un graphe virtuel unique, où les nœuds représentent des éléments de données fins (par exemple, des tuples relationnels, des attributs, des paires clé-valeur, des nœuds RDF, JSON ou XML) et les arêtes correspondent soit à des connexions structurelles (par exemple, un tuple est dans une base de données, un attribut est dans un tuple, un nœud JSON a un parent, etc.) soit à des liens de similarité (sameAs). Pour enrichir le contenu avec lequel les journalistes travaillent, ConnectionLens détecte également les personnes, les organisations, etc. mentionnées dans le texte, que ce soit du texte intégral ou des extraits trouvés dans des données RDF ou XML.

Projet de traitement et d'analyse des données essentielles de la commande publique. Il permet de récupérer les données au format JSON, de les traiter et de les convertir au format CSV pour une meilleure utilisation. Il inclut également des fonctionnalités de visualisation de données géographiques.

Mangoes est un outil permettant de traiter des données textuelles, de calculer des co-occurrences et de générer des représentations de mots (word embeddings) à l'aide de méthodes d'apprentissage automatique non supervisées. Il propose également des méthodes d'évaluation statistique et intrinsèque ainsi que des outils de visualisation.