EDS-PDF est un framework modulaire permettant d'extraire des informations textuelles à partir de documents PDF. Il peut être utilisé tel quel ou être étendu pour s'adapter à des cas d'utilisation spécifiques. Il propose un système de pipeline et divers utilitaires pour la visualisation et le traitement de PDF, ainsi que plusieurs composants pour construire des modèles complexes.

Ce projet est un tutoriel qui vise à introduire des problématiques liées à l'analyse de données réelles dans les entrepôts de données de santé. Il s'adresse aux data scientists qui maîtrisent les bases de la programmation Python et de l'analyse de données. Le tutoriel est composé d'une série d'exercices et d'un projet final qui simule une étude de recherche complète qui pourrait être publiée dans un article scientifique.