Ce projet est une formation en ligne (MOOC) sur l'apprentissage automatique en Python, utilisant la bibliothèque scikit-learn. Il comprend des notebooks Jupyter interactifs, des leçons en texte enrichi et des visualisations de données avec Matplotlib, Seaborn et Plotly. Les étudiants peuvent apprendre à leur propre rythme et bénéficier de fonctionnalités supplémentaires telles que des quiz et un forum de discussion.

Biocham est un outil de modélisation et de simulation de systèmes biochimiques. Il permet l'analyse de données expérimentales et la conception et l'optimisation de protocoles de synthèse.

Ce projet consiste en la centralisation des scripts de modification de fichiers de texte pour le projet TIME US. Il vise à préparer, annoter et structurer des corpus textuels, en particulier dans le cadre de la mission de stage de Victoria Le Fourner sur la structuration des prud'hommes de Paris et Lyon.

Ce projet met en œuvre des mécanismes d'encapsulation CRDTp et CRDTd pour évaluer ACCoRDT, une solution de convergence de données distribuées en temps réel et tolérante aux partitions de réseau. Consultez accordt.rigelk.eu pour plus d'informations.

La galerie du projet ct (control toolbox) propose des exemples d'utilisation de différents packages, dont bocop et nutopy, pour la simulation de systèmes dynamiques, l'optimisation de coûts et le contrôle de trajectoires. Les exemples sont présentés sous forme de notebooks et de dashboards interactifs.

Le projet geo-storylines est un outil d'analyse et de visualisation de données géolocalisées dans le temps. Il permet de représenter des trajectoires de déplacements sur des cartes interactives, de comparer des données géographiques et temporelles, et d'effectuer des analyses spatio-temporelles.

Jnp est un outil en ligne de commande et un package Python permettant de créer des présentations à partir de notebooks Jupyter. Il automatise le processus de conversion des notebooks en diapositives avec nbconvert et fournit des feuilles de style CSS personnalisées pour améliorer l'apparence des diapositives.

Kwollect est un framework de collecte et de gestion de métriques d'infrastructures informatiques. Il permet de collecter des métriques à haute fréquence avec un stockage sans perte et à long terme, et se concentre sur les métriques hors-bande, c'est-à-dire celles qui ne sont pas disponibles depuis les systèmes d'exploitation des ordinateurs, mais à l'extérieur, comme les capteurs de PDUs, les appareils réseau, les BMCs, etc. Kwollect est conçu pour s'intégrer avec des gestionnaires de tâches, en particulier lorsqu'il est déployé dans des centres de données HPC.

Le projet ppdp-22_23 a pour objectif d'aider les décideurs publics et privés à comprendre et à prévoir les phénomènes sociaux, économiques et démographiques grâce à l'analyse et à la visualisation de données massives. Il permet de dégager des tendances et des corrélations à partir de données hétérogènes et de prédire les comportements futurs.

PyDynPeak est un logiciel Python d'analyse de séries temporelles hormonales. Il permet la détection de pics et l'analyse de fréquence dans les séries temporelles. Il est basé sur l'article scientifique de Vidal et al. (2012) et sur le package Scilab ATOMS Toolbox DynPeak.