Ce projet vise à évaluer l'identifiabilité pratique d'un modèle mathématique appliqué à des données synthétiques. Il permet de réaliser des estimations individuelles via un algorithme d'optimisation, puis d'appliquer une procédure d'inférence bayésienne hiérarchique pour analyser les résultats. Les applications concernent notamment la modélisation de dynamiques biologiques, comme celles des cellules souches hématopoïétiques dans des contextes thérapeutiques.

Outil dédié à l'évaluation et à la comparaison de modèles bayésiens et d'algorithmes statistiques. Il permet de mesurer les performances de différentes approches en termes de précision, de temps de calcul et de robustesse. Utilisé par des chercheurs et des data scientists pour valider des hypothèses ou optimiser des modèles avant leur déploiement en production.

Ce projet développe un modèle de traçage des connaissances basé sur les réseaux bayésiens pour analyser et modéliser les compétences des apprenants. Il permet d'évaluer la maîtrise des savoirs et d'identifier les relations entre différentes compétences, facilitant ainsi une personnalisation des parcours d'apprentissage.

BayRegMet est un algorithme basé sur les réseaux bayésiens qui prédit le phénotype de croissance et la réponse des flux métaboliques après une perturbation transcriptionnelle. Il utilise des modèles métaboliques et des données d'expression génique (RNA-seq) pour évaluer l'impact de médicaments sur la croissance cellulaire. L'outil permet de tester virtuellement l'effet de substances thérapeutiques sur des cellules cancéreuses, facilitant ainsi la recherche en biologie systémique et en pharmacologie.

Outil de simulation statistique avancée utilisant des méthodes de Monte Carlo par chaînes de Markov (MCMC). Permet d'analyser des modèles complexes en évaluant leur convergence et en explorant efficacement l'espace des paramètres. Idéal pour les chercheurs et data scientists travaillant sur des problèmes d'inférence bayésienne ou nécessitant des simulations stochastiques précises.

MorseTKTD est une bibliothèque R dédiée à l'évaluation quantitative des risques environnementaux. Elle permet d'appliquer des méthodes avancées d'inférence bayésienne pour modéliser la survie d'organismes exposés à des substances toxiques. Le projet intègre des outils pour analyser des données binaires, de comptage ou continues, et propose des fonctionnalités de visualisation et de simulation pour faciliter l'interprétation des résultats.

MorseDR est une bibliothèque R dédiée à l'évaluation quantitative des risques environnementaux. Elle permet d'analyser des données écotoxicologiques (binaires, comptages ou continues) via des méthodes bayésiennes. L'outil facilite la modélisation de la réponse aux doses de substances chimiques, la visualisation des données et des résultats, ainsi que l'estimation des incertitudes. Il est particulièrement utile pour les chercheurs et régulateurs en toxicologie environnementale.

Outil d'analyse statistique basé sur des méthodes bayésiennes, conçu pour faciliter la visualisation et l'interprétation de données complexes. Permet aux chercheurs et analystes de modéliser des phénomènes, d'évaluer des hypothèses et de générer des rapports clairs à partir de données quantitatives.