Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Ministère de l’Enseignement supérieur, de la Recherche et de l'Espace
- Matplotlib
- Fluidsim est un framework extensible pour l'étude de la dynamique des fluides avec simulations numériques à l'aide du langage Python. Il permet de développer des solveurs de fluides (i.e. des packages Python résolvant des équations) en écrivant principalement du code Python. Les tâches gourmandes en temps sont effectuées par des fonctions compilées optimisées.
- Ministère de l’Économie, des Finances et de la Souveraineté industrielle, énergétique et numérique
- Ministère de l’Enseignement supérieur, de la Recherche et de l'Espace
Notoriété 36 %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.- Gargantext est une plateforme collaborative d'exploration de corpus de textes. Il combine des outils de traitement automatique des langues, de fouille de textes, d'analyse de réseaux complexes et de visualisation interactive pour permettre une analyse approfondie de grands corpus de données textuelles.
- Speasy est un package Python open-source qui facilite la recherche et le chargement de données de physique spatiale à partir d'une variété de sources de données, que ce soit en ligne et publiques ou locales et personnalisées. Il offre une interface simple et intuitive pour accéder à plus de 70 missions spatiales et 65 000 produits.
- Pelote est une bibliothèque Python dédiée aux tâches de traitement de graphes, conçue pour compléter networkx en offrant des fonctionnalités de haut niveau. Elle permet de convertir des données tabulaires en graphes, de projeter des graphes bipartites, de filtrer et de sélectionner des nœuds et des arêtes, et bien plus encore.
- Ce projet a pour but de fournir des exemples d'utilisation de différentes librairies Python dédiées au traitement de données et à l'analyse statistique. Il permet de comprendre et d'expérimenter avec des outils tels que scikit-learn, scikit-image, SciPy, Pandas, Matplotlib, Plotly.js, et d'autres encore.
232 initiatives
10