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

Ce projet consiste en un réseau de neurones entraîné pour imputer des données manquantes dans les enquêtes de l'Insee. Il est développé en Python avec les librairies Keras et Tensorflow.

Ce projet consiste en une série de scripts Python utilisant les librairies Keras et sklearn pour la classification d'empreintes de villages à partir d'images cadastrales. Les données géométriques sont transformées en images, des échantillons sont tirés et des labels sont créés. Un réseau de neurones est défini et entraîné, et un modèle alternatif de forêt aléatoire est présenté.

Ce projet est un dépôt de code source qui fournit des scripts Python pour l'analyse de données économiques, la préparation de données pour l'apprentissage automatique, la réduction de dimension de données et la visualisation de données multidimensionnelles. Il utilise des bibliothèques telles que NumPy, Pandas, Requests, scikit-learn, TensorFlow et Keras pour fournir des fonctionnalités telles que le téléchargement de données, la préparation de données, l'estimation de modèles et la visualisation de données.

Ce projet est une publication sur l'utilisation des réseaux de neurones dans le domaine de la statistique publique. Il contient des exemples d'analyse de données, de classification d'images, de prédiction de données manquantes et de réduction de dimension de données.