Snowtools est une série de scripts Python conçus pour simplifier le pré- et le post-traitement des simulations de modélisation de la neige SURFEX-Crocus. Il est distribué sous licence CeCILL-C et ne comprend pas de données météorologiques ou de neige. Il doit être utilisé en association avec le projet SURFEX.

SCALPEL3 est un framework open-source conçu pour extraire des concepts médicaux de manière évolutive, reproductible et facile à partir de grandes bases de données observationales (LODs), avec un focus actuel sur les données du Système National des Données de Santé (SNDS) français. Il est basé sur PySpark et est composé de trois modules : SCALPEL-Flattening pour la dénormalisation des données, SCALPEL-Extraction pour l'extraction de concepts médicaux et SCALPEL-Analysis pour l'analyse de données de cohortes.

JupyLabBook est un carnet de notes interactif conçu pour une utilisation sur la ligne de lumière SIRIUS du synchrotron SOLEIL. Il vise à être le plus proche possible d'un carnet de notes papier traditionnel, offrant la possibilité de tracer des données brutes, de réduire les données et de décrire les échantillons sans écrire une seule ligne de code. Un PDF linéaire du carnet peut être généré à tout moment de l'expérience.

Le projet a2p2 vise à faciliter le processus de programmation d'observations astronomiques en convertissant les données astrophysiques en propositions d'observations. Il offre une interface simplifiée pour automatiser la planification et la programmation des observations, améliorant ainsi l'efficacité et la précision des recherches astronomiques.

Ce projet est un projet de deep learning implémenté en Python. Il consiste en un notebook contenant un modèle de deep learning et des algorithmes. Le projet est structuré en plusieurs répertoires : le notebook principal, un répertoire contenant le jeu de données utilisé pour l'entraînement et les tests, un répertoire contenant les résultats d'évaluation et les métriques de performance, et un répertoire contenant l'application web.

Ce projet utilise Spark et PySpark pour analyser des données géographiques et médicales afin de détecter les déserts médicaux en France. Il s'appuie sur des données de l'INSEE et produit des visualisations grâce à GeoJSON.

Ce projet vise à fournir une plateforme d'analyse et de simulation de la consommation énergétique des bâtiments. Il permet aux utilisateurs d'importer des données de consommation, de les visualiser et de les comparer sous forme de graphiques et de tableaux, ainsi que de simuler des scénarios d'amélioration énergétique.

Ce projet propose des tutoriels sous forme de calepins (jupyter notebooks) pour introduire les principaux concepts et fonctionnalités du langage Python en insistant sur ceux indispensables au statisticien. Il couvre la syntaxe, les objets et classes, les techniques de préparation de données, l'analyse de données massives, l'exploration, la modélisation et l'apprentissage machine.

Le projet Pyspark Playground est un environnement de développement et d'apprentissage dédié à l'utilisation de PySpark, un framework open-source pour le traitement et l'analyse de données à grande échelle. Il permet de créer des workflows de données distribués et de faciliter l'intégration de données entre différentes sources.

Ce projet permet de calculer des statistiques quantitatives sur des fichiers ELAN, sans nécessiter l'utilisation du logiciel ELAN. Il est développé en Python et utilise des bibliothèques telles que Pandas et Openpyxl pour le traitement des données.