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.

Formation au MLOps avec MLFlow pour acquérir les connaissances et les compétences nécessaires à la mise en œuvre de pratiques MLOps, en utilisant des outils tels que MLFlow. Exploration des aspects de la gestion du cycle de vie des modèles de machine learning, du développement à la production, à travers cinq chapitres.

Ce projet est un outil de suivi des mesures du plan de relance économique mis en place par le gouvernement français. Il permet de générer automatiquement des fiches de suivi à partir de données départementales et d'effectuer une analyse de ces données.

PyDynPeak est un logiciel Python d'analyse de séries temporelles hormonales. Il permet la détection de pics et l'analyse de fréquence dans les séries temporelles. Il est basé sur l'article scientifique de Vidal et al. (2012) et sur le package Scilab ATOMS Toolbox DynPeak.

Ce projet fournit le code nécessaire pour créer un tableau de bord de surveillance de la classification NACE (rev 2.1). Le tableau de bord, propulsé par les nouvelles fonctionnalités de Quarto, permet aux utilisateurs de suivre les performances du modèle, de visualiser les prédictions et de prendre des décisions éclairées basées sur des données quasi-en temps réel. Il est accessible à l'adresse [https://dashboard-ape.lab.sspcloud.fr/](https://dashboard-ape.lab.sspcloud.fr/).

Ce projet vise à fournir des outils pour l'étude de nœuds en topologie, en particulier la construction et la visualisation de triangulations de Coxeter, le calcul de surfaces de Seifert et la représentation de fibrations. Il s'appuie sur les bibliothèques NumPy et Plotly.js pour le calcul et la visualisation.

Decp-monitoring-v2 est un projet visant à réécrire decp-monitoring en Python, avec pour objectif de réduire la quantité d'informations envoyées sur Github et Streamlit en réduisant l'information présente dans decp.json aux colonnes qui nous intéressent pour produire des graphiques.

Le projet dtk-visualization-python est dédié à la visualisation et l'analyse de données, en particulier dans le domaine scientifique. Il permet de créer des infographies et de manipuler des données en temps réel, offrant ainsi une meilleure compréhension et interprétation des résultats.

Application interactive permettant d'analyser des produits alimentaires en scannant leur code-barres et d'afficher des informations nutritionnelles.

Ce projet permet de créer des cartes 3D à partir d'images capturées par des caméras fisheye et de localiser un robot à partir d'images capturées par des caméras fisheye. Il utilise des techniques de traitement d'images avancées telles que la reconstruction 3D, la correspondance de caractéristiques et la minimisation d'écart pour aligner les images et estimer la pose du robot.