Projet de master visant à appliquer des outils d'apprentissage automatique (en particulier, apprentissage profond) à un problème de reconnaissance de l'écriture manuscrite de formules mathématiques. Le sujet est disponible dans le répertoire 'subject' et le code fourni dans 'code'. Des exemples de données de test sont disponibles dans le répertoire 'data', mais l'ensemble de données complet est disponible dans le référentiel TC11.

Ce projet fournit des environnements globaux pour Jupyter, créés et gérés par l'opérateur GLiCID. Ils peuvent être activés par les utilisateurs pour accéder à des fonctionnalités et des packages spécifiques. Les noyaux Jupyter peuvent également être installés à partir de ces environnements globaux.

La plateforme X5GON Learning Analytics Machine (LAM) est capable de traiter des collections de ressources pédagogiques ouvertes (OER) en plusieurs langues. Elle fournit des analyses sur l'utilisation des ressources pédagogiques à travers différentes langues et cultures. L'API LAM de X5GON est une API Web Flask Python REST qui offre une documentation Swagger automatiquement générée pour tester les points de terminaison directement sur une belle page Web. Les points de terminaison permettent d'accéder et de récupérer les analyses de contenu effectuées sur les OER basées sur les modèles d'apprentissage automatique implémentés et testés sur le corpus X5gon composé de différentes OER collectées par le pipeline.

Atelier pratique de machine learning utilisant des données sismiques et lidar, basé sur le cours SPIN-SC3 de Leonard Seydoux et adapté pour NuTS 2023. Les notebooks sont pré-configurés dans un environnement JupyterHub dédié sur GLiCID.