Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Institut national de physique nucléaire et de physique des particules
- PyTorch
- GammaLearn est un projet collaboratif dédié à l'application de l'apprentissage profond pour l'analyse des données issues des télescopes Cherenkov atmosphériques, comme ceux du réseau CTA. Il fournit un cadre logiciel permettant d'entraîner et d'appliquer des modèles à partir d'un simple fichier de configuration, facilitant ainsi la recherche en astrophysique des hautes énergies.
- Heliumtools est une bibliothèque Python développée par l'équipe Quantum Atom Optics du Laboratoire Charles Fabry. Elle permet d'analyser des données issues d'expériences sur des condensats de Bose-Einstein d'hélium métastable (He*). L'outil transforme les positions et temps d'impact des atomes en vitesses, calcule des corrélations atomiques, modélise des pièges optiques et magnétiques, et fournit des fonctions de fit pour l'interprétation des résultats expérimentaux.
- Cet outil permet aux utilisateurs de démarrer, gérer et accéder facilement à des sessions Jupyter sur des clusters de calcul comme Candide ou Infinity. Il automatise la réservation de ressources, le transfert de ports et la configuration des environnements Python, réduisant ainsi les étapes manuelles pour exécuter des calculs intensifs ou des analyses de données.
- Stereograph est un projet open source dédié à la reconstruction d'événements stéréoscopiques pour l'observatoire CTAO (Cherenkov Telescope Array Observatory). Il utilise des réseaux de neurones graphiques (GNN) pour combiner et analyser les données issues de multiples télescopes, améliorant ainsi la précision des mesures astrophysiques. Le projet fournit un cadre complet pour entraîner des modèles, effectuer des inférences et générer des fonctions de réponse instrumentale (IRF) à partir de fichiers de configuration. Il est conçu pour être flexible et adaptable à différentes versions de données et environnements.
- Ce projet propose des ateliers pratiques et des notebooks interactifs pour explorer les techniques d'apprentissage profond. Il couvre des cas concrets comme la détection de fraudes bancaires, la reconnaissance de signes en langue des signes ou l'analyse d'images médicales pour le diagnostic du paludisme. Les ressources sont conçues pour des formations ou des auto-apprentissages en science des données et intelligence artificielle.
- Batoid est une bibliothèque open source dédiée à la modélisation et à la simulation de systèmes optiques, notamment pour les télescopes et instruments astronomiques. Elle permet aux utilisateurs de concevoir, analyser et optimiser des configurations optiques complexes en simulant le comportement de la lumière à travers divers composants. Le projet facilite la recherche et le développement en optique astronomique en fournissant des outils précis pour évaluer les performances des systèmes optiques.
- Projet dédié à l'évaluation et au benchmarking de modèles d'intelligence artificielle, notamment ceux issus de l'écosystème Hugging Face. Il permet de mesurer et comparer les performances de différents modèles de langage ou de traitement automatique, en fournissant des outils pour analyser leur efficacité, leur rapidité et leur précision. Destiné aux chercheurs, développeurs et data scientists, il facilite la sélection des meilleurs modèles pour des cas d'usage spécifiques.
- Ce projet propose une formation d'introduction à l'apprentissage profond et à la bibliothèque PyTorch. Il met à disposition des notebooks Jupyter pour des exercices pratiques, couvrant des concepts fondamentaux comme la régression linéaire, les réseaux de neurones artificiels, et l'optimisation de modèles. Les participants peuvent exécuter ces notebooks via Google Colab pour s'entraîner à coder des classifieurs et comprendre les mécanismes de gradient. Une présentation théorique accompagne les exercices.
- Ce projet propose des images Docker dédiées à l'environnement de recherche virtuelle ESCAPE VRE. Il permet aux scientifiques de disposer d'environnements conteneurisés préconfigurés pour leurs analyses et traitements de données, notamment en astrophysique et physique des particules. Les images intègrent des outils spécialisés comme JupyterLab, Matplotlib, Pandas et des bibliothèques d'analyse scientifique, simplifiant ainsi la reproductibilité et la collaboration entre équipes.
- Ce projet propose des images Docker dédiées à l'environnement de recherche virtuelle ESCAPE (European Science Cluster of Astronomy & Particle Physics). Il permet aux chercheurs en astrophysique et physique des particules de disposer d'environnements conteneurisés standardisés pour leurs analyses et développements. Les images intègrent des bibliothèques scientifiques essentielles (comme Astropy, Gammapy ou NumPy) et des outils d'analyse spécialisés, garantissant une reproductibilité des résultats et une collaboration simplifiée entre équipes internationales.
17 initiatives
10