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
- TensorFlow
- Nptool est un framework open source dédié à l'analyse de données et à la simulation Monte Carlo pour les expériences de physique nucléaire à basse énergie. Il permet de modéliser des détecteurs, simuler des réactions nucléaires, et analyser les données expérimentales ou simulées. Le projet intègre des outils pour la calibration, la reconstruction d'événements et la visualisation des résultats.
- Formation professionnelle organisée par le CNRS pour initier les informaticiens aux concepts et enjeux du machine learning et du deep learning. Destinée aux développeurs et aux administrateurs système, elle combine cours théoriques et travaux pratiques sur quatre jours. L'objectif est de fournir les bases nécessaires pour comprendre et appliquer ces technologies dans un contexte professionnel.
- 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.
- Ce projet permet de centraliser et gérer les problèmes signalés par les utilisateurs concernant le logiciel d'acquisition de données du GANIL. Il utilise un système de tickets pour faciliter la communication entre les utilisateurs et l'équipe technique. Les utilisateurs authentifiés peuvent créer des tickets via leur compte CNRS (Janus), tandis que la consultation des tickets est accessible publiquement sans authentification.
- 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.
- Cyclone est un outil dédié à la détection et à l'analyse des cyclones tropicaux à partir de données météorologiques. Il permet de modéliser des scénarios climatiques, de valider des modèles prédictifs et d'optimiser des réseaux de neurones pour améliorer la précision des prévisions. Le projet s'appuie sur des algorithmes avancés et des bibliothèques scientifiques pour traiter des jeux de données complexes.
- Ce projet propose une introduction au Deep Learning à travers des présentations théoriques et des exercices pratiques sous forme de notebooks Jupyter. Il s'adresse aux débutants souhaitant découvrir les concepts fondamentaux des réseaux de neurones et de l'apprentissage automatique. Les ressources incluent des supports de cours et des environnements interactifs pour expérimenter avec des modèles de deep learning.
- Cette école internationale propose une formation intensive en programmation avancée dédiée aux domaines de l'astrophysique et de l'astroparticule. Elle couvre les outils modernes comme Python, Jupyter, et les bibliothèques scientifiques (NumPy, Pandas, TensorFlow) pour analyser des données, modéliser des phénomènes physiques et développer des applications performantes. Destinée aux chercheurs et étudiants, elle favorise l'échange de bonnes pratiques et l'utilisation de l'intelligence artificielle dans la recherche scientifique.
- Plateforme dédiée à la formation et à l'analyse de données biologiques, proposant des environnements RStudio et Cytoscape pour des ateliers spécialisés. Elle permet aux participants d'explorer des méthodes d'analyse multivariée, de visualiser des réseaux moléculaires et de manipuler des données génomiques. Destinée aux chercheurs et étudiants en bioinformatique, elle facilite l'apprentissage des outils clés du domaine.
- Ce projet propose des environnements de recherche virtuels (VRE) dédiés à l'analyse et au traitement de données scientifiques, notamment géospatiales et environnementales. Il permet aux chercheurs et scientifiques de collaborer sur des projets complexes en fournissant des outils préconfigurés pour l'analyse de données, l'apprentissage automatique et la visualisation. Les images Docker disponibles incluent des environnements génériques et spécialisés pour des besoins spécifiques, comme l'analyse de données géospatiales (DAS).
18 initiatives
10