N2D2 est le framework CAD de CEA LIST pour la conception et la simulation de réseaux neuronaux profonds (DNN), ainsi que la construction d'applications DNN complètes sur plateformes embarquées. Il est développé en collaboration avec des partenaires industriels et académiques et est open source.

Ce projet est une série de cours sur l'apprentissage automatique, basée sur le livre Deep Learning. Les cours couvrent des sujets tels que la régression linéaire, la régularisation, la réduction de dimensionnalité, le kernel trick et les réseaux de neurones. Les étudiants travaillent sur des jeux de données réels et implémentent des algorithmes d'apprentissage automatique à l'aide de Tensorflow et Scikit-learn.

Projet expérimental pour le développement de plugins GAMA, destiné à l'analyse de données géospatiales, la simulation de systèmes complexes et l'apprentissage automatique pour la prise de décision.

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.

Ce projet vise à développer des techniques de prévision de prix de l'électricité pour le marché portugais, en utilisant des méthodes statistiques, de Machine Learning et de Deep Learning. Il s'appuie sur une analyse approfondie de la littérature existante et sur l'utilisation d'un jeu de données unique pour surmonter les limites des études précédentes.

DogeIA est un projet d'intelligence artificielle permettant d'assister les utilisateurs dans leur prise de décision en analysant et en traitant des données complexes. Il est également capable de reconnaitre des images et de les classer selon des critères prédéfinis.

Ce projet porte sur l'apprentissage de méthodes profondes pour le traitement de données à haute dimension, telles que les signaux ou les images. Il couvre des sujets tels que les réseaux de neurones, les réseaux de neurones convolutifs, les réseaux de neurones récurrents, les méthodes de décomposition fonctionnelle, la détection d'anomalies pour les données fonctionnelles et l'apprentissage profond non supervisé.

Ce projet fournit un environnement Jupyter Notebook simplifié pour OpenShift, permettant l'analyse et le traitement de données, ainsi que la visualisation et le machine learning grâce à une sélection de packages et bibliothèques Python.

Le projet ODGS (Object Detection with Geometric Shapes) est une solution de détection et de classification d'objets en 3D en utilisant des formes géométriques et des étiquettes 2D. Il permet d'améliorer la navigation et la manipulation dans des environnements 3D, facilitant ainsi l'interaction avec ces derniers.

Le projet tensorflow-manager est un plugin développé pour le logiciel Icy, utilisé pour l'analyse d'images biologiques. Il permet de gérer les versions de TensorFlow et de charger une version spécifique pour l'analyse d'images.