Le package pynsee permet d'accéder à plus de 150 000 séries de données macroéconomiques, à une dizaine de jeux de données locaux, à de nombreuses sources disponibles sur insee.fr, aux limites géographiques des zones administratives de l'IGN ainsi qu'à des métadonnées et à la base SIRENE contenant des données sur toutes les entreprises françaises.

Le projet cartiflette offre des méthodes fiables, reproductibles et multi-langages pour récupérer des fonds de carte officiels de l'IGN enrichis de métadonnées utiles pour la cartographie et la data science.

Bibliothèque Python essentielle pour le traitement et l'analyse d'images satellites. Elle offre des fonctionnalités de géoréférencement, de manipulation et de visualisation de données géospatiales.

Ce projet contient les supports de cours d'une auto-formation d'initiation à Python, proposée sur le SSP Cloud. Les différents chapitres peuvent être déployés en un clic sous la forme d'un Notebook Jupyter. Les sources des supports de cours sont disponibles au format qmd dans le dossier source/ et peuvent être générées en notebooks ipynb exécutables grâce à Quarto et aux packages Python nécessaires.

Ce projet permet d'extraire l'information contenue dans le tableau 'filiales et participations' des comptes sociaux des entreprises grâce à des fonctionnalités de sélection de page et d'extraction de tableau.

Ce projet consiste en une étude des données de consommations et habitudes alimentaires de l'étude INCA 3. Il comprend une analyse exploratoire des données, une classification d'individus à l'aide de méthodes telles que l'ACP, les K-moyennes et le clustering ascendant hiérarchique, ainsi qu'une prédiction de l'IMC à l'aide de méthodes de machine learning supervisé.

Ce projet est un cours sur les nouvelles sources de données pour la statistique publique. Il couvre les méthodes d'analyse de données textuelles, de visualisation de données et d'apprentissage automatique de données textuelles.

Application interactive permettant d'analyser des produits alimentaires en scannant leur code-barres et d'afficher des informations nutritionnelles.

"Le projet sdc\_experiments a pour but d'expérimenter différentes méthodes de Statistical Disclosure Control (SDC) pour protéger la confidentialité des données lors de l'analyse statistique. Il permet de générer des statistiques anonymisées en appliquant des techniques de protection des données sensibles."