Deepberry est un projet de segmentation et de suivi temporel de baies de vigne, permettant l'analyse de leur croissance et la détection de maladies. Il est basé sur des algorithmes de machine learning et d'apprentissage profond.

Le projet culebront_pipeline est dédié à l'assemblage et l'analyse de génomes à partir de lectures longues. Il offre des fonctionnalités d'analyse et de visualisation de données génomiques, permettant une meilleure compréhension des données et facilitant la prise de décision dans le domaine de la génomique.

Ce projet simule l'architecture de la racine hydraulique et permet de modéliser le système de racines des plantes. Il analyse la croissance des racines et fournit une visualisation de leur structure.

RattleSNP est un projet dédié à l'analyse de données génomiques, proposant un workflow snakemake pour le mapping de données simples ou appariées. Il offre des fonctionnalités de visualisation de données biologiques grâce à matplotlib et tabulate, ainsi qu'une gestion optimisée des dépendances grâce à biopython, numpy et pandas.

IKISS est un projet d'analyse de génomes bactériens permettant l'identification de souches et la détection de mutations sous sélection. Il s'appuie sur des méthodes bioinformatiques avancées pour fournir une analyse précise et fiable des données de séquençage.

PodiumASM est une pipeline Snakemake open-source, évolutive, modulable et traçable, conçue pour comparer plusieurs assemblages de génomes à longues lectures obtenus à partir de divers outils d'assemblage. Ce workflow permet de choisir le meilleur assemblage parmi toutes les possibilités.

Outil simple permettant de télécharger et traiter des images Sentinel-2, facilitant ainsi la gestion et l'analyse de données géospatiales pour une meilleure compréhension de la couverture terrestre.

Générateur de graphes pour visualiser les liens entre les comptes twitter autour d'un mot-clé ou hashtag spécifique.

Social-networks-bot-finder est un classificateur simple d'utilisation pour les comptes de robots sur Twitter, basé sur l'algorithme Random Forest. Il permet de détecter des comptes de robots en analysant des données d'utilisateurs de réseaux sociaux et en les classant en fonction de leur probabilité d'être un bot.

Le projet azfp_data_processing est dédié au traitement et à l'analyse de données financières et économiques. Il permet de gérer des workflows de données complexes, d'assurer leur traçabilité et de générer des rapports détaillés.