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.

Dépôt de notebooks pour les travaux dirigés du module de pré-orientation SICOM - Traitement du Signal et Multimedia - 3PMPOLS6 de Grenoble INP - Phelma. Il contient des activités d'apprentissage sur l'analyse de signaux, le traitement de données scientifiques, la visualisation de données et l'initiation à l'apprentissage automatique.

NoLOAD_v2 est un logiciel open source dédié à la résolution de problèmes d'optimisation contraints dans la conception de systèmes d'ingénierie. Il utilise l'automatique différentiation avec Jax pour fournir des solutions précises et efficaces.

Dépôt de code source pour le cours d'« Advanced Numerical Methods » du master TMA (Turbulence, Methods and Applications) de l'UGA. Il contient les matériaux pédagogiques pour l'enseignement de la turbulence numérique.

Ce projet est une plateforme dédiée à l'apprentissage de l'informatique scientifique pour les étudiants du Master 2 EFM. Il offre des fonctionnalités d'analyse et de visualisation de données, ainsi que des outils pour effectuer des calculs complexes.

Bibliothèque Python pour l'analyse de données 3D symétriques, utilisant la bibliothèque xarray. Conçue pour le traitement de données de corrélation d'images numériques et la simulation de déformation mécanique.

Ce projet vise à automatiser la création de figures standardisées pour le site de l'OPE à partir de la base de données de chimie atmosphérique mesurée à l'IGE. Il nécessite la base de données au format excel et permet de générer des figures de corrélation entre différentes variables.

Ce projet est une application web permettant de visualiser et filtrer des données sur la pollution atmosphérique, ainsi que de les exporter au format Excel. Il s'appuie sur une base de données interne à l'IGE et propose des fonctionnalités de sélection de stations de mesure et de variables, ainsi que de filtrage avancé des données.

Outil d'analyse et de modélisation de phénomènes physiques, apollon_physics permet de traiter et d'interpréter des données expérimentales grâce à des fonctionnalités de calcul et de visualisation.

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.