Le package pynsee permet d'accéder à plus de 150 000 séries de données macroéconomiques, à une dizaine de jeux de données locaux, à de nombreuses sources disponibles sur insee.fr, aux limites géographiques des zones administratives de l'IGN ainsi qu'à des métadonnées et à la base SIRENE contenant des données sur toutes les entreprises françaises.

Une collection d'images Docker pour des services de datascience prêts à l'emploi, conçue pour fonctionner avec l'écosystème Onyxia.

Ce projet fournit une image Docker basée sur l'image officielle de Jupyter, avec une intégration supplémentaire avec Spark, Hadoop, Hive et Kubernetes. Il permet aux utilisateurs de créer et d'exécuter des notebooks Jupyter pour l'analyse de données.

Biocham est un outil de modélisation et de simulation de systèmes biochimiques. Il permet l'analyse de données expérimentales et la conception et l'optimisation de protocoles de synthèse.

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.

Ce projet offre un cours d'introduction aux outils Docker et Docker-compose, permettant aux utilisateurs de maîtriser la création et la gestion d'environnements de développement isolés et reproductibles.

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.

Trevas-Jupyter est un notebook Jupyter offrant un support pour le langage VTL (Variable Table Language) via l'engine Trevas. Il permet de charger, manipuler et analyser des données à partir de différents formats tels que Parquet, CSV et SAS.

Ce projet propose une introduction pratique de 20 minutes aux notebooks, illustrée par un exemple concret d'analyse de données de locomotion humaine. Il s'appuie sur JupyterLab et des bibliothèques Python telles que Matplotlib, Pandas et NumPy pour démontrer les concepts clés de l'analyse et de la visualisation de données.

Ce projet consiste en la centralisation des scripts de modification de fichiers de texte pour le projet TIME US. Il vise à préparer, annoter et structurer des corpus textuels, en particulier dans le cadre de la mission de stage de Victoria Le Fourner sur la structuration des prud'hommes de Paris et Lyon.