Ce projet a pour but de fournir des outils d'apprentissage automatique pour les systèmes autonomes. Il inclut des algorithmes de régression, de classification, de clustering et de réduction de dimensionnalité.

Ce projet vise à développer des techniques de prévision de prix de l'électricité pour le marché portugais, en utilisant des méthodes statistiques, de Machine Learning et de Deep Learning. Il s'appuie sur une analyse approfondie de la littérature existante et sur l'utilisation d'un jeu de données unique pour surmonter les limites des études précédentes.

Ce projet utilise des algorithmes d'apprentissage automatique pour améliorer la prise en charge médicale. Il permet la prédiction de maladies, l'assistance au diagnostic médical et la recherche de corrélations épidémiologiques.

Le projet asao_ia vise à améliorer la sécurité des personnes âgées en analysant leurs interactions et en détectant les situations à risque. Il utilise des algorithmes d'intelligence artificielle pour prédire les comportements à risque et recommander des actions préventives.

Ce projet contient des notebooks et des scripts pour tester un environnement Tensorflow/Keras, avec des tests de classification d'images monochromes à l'aide d'un CNN. Les données de test sont fournies et le projet prend en charge l'utilisation de GPU pour accélérer les tests.

Outil permettant de lancer automatiquement des benchmarks de consommation et de performance sur des algorithmes et jeux de données variés, en utilisant les travaux du groupe GreenML.

DeepSTR est un projet d'analyse et de prédiction de l'impact fonctionnel des variations du génome, en particulier les variations répétitives (STR). Il inclut des algorithmes de machine learning et de fouille de données pour détecter des motifs dans les séquences d'ADN et prédire leur impact sur la régulation génique.

This project involves the development of a machine learning model for classifying bird species based on audio recordings. The project includes the optimization of the model for embedded devices and the creation of a system for recording real-time audio. The project also involves the use of the Edge Impulse platform for training and deploying the model.

Le projet efe-rnn est un outil d'analyse de données utilisant des réseaux de neurones récurrents (RNN) pour effectuer des prédictions et des analyses de séries temporelles. Il permet aux utilisateurs de modéliser des phénomènes complexes et d'identifier des tendances dans les données, ce qui en fait un outil précieux pour les professionnels de la finance, de la météorologie, de la physique et d'autres domaines.

Le projet humar_dnn vise à analyser, estimer et générer des mouvements humains en 3D en utilisant des données Xsens. Il inclut des scripts pour traiter les données Xsens, entraîner des modèles DNN pour prédire les paramètres cinématiques, et visualiser les mouvements humains en temps réel.