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.

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

Ce projet fournit une image Docker basée sur l'image officielle de Jupyter, avec une intégration supplémentaire avec Spark, Hadoop, Hive et Kubernetes. Il permet aux utilisateurs de créer et d'exécuter des notebooks Jupyter pour l'analyse de données.

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.

Trevas-Jupyter est un notebook Jupyter offrant un support pour le langage VTL (Variable Table Language) via l'engine Trevas. Il permet de charger, manipuler et analyser des données à partir de différents formats tels que Parquet, CSV et SAS.

Blazingsql est une image Jupyter permettant de travailler avec notre datalab. Elle facilite l'analyse et le traitement de données distribuées, ainsi que la création de visualisations de données.

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.

Rapidsai est une image Jupyter permettant de travailler avec notre Datalab. Elle facilite l'analyse de données, la création et le partage de notebooks, ainsi que l'expérimentation et le prototypage de modèles de machine learning.