CIRA est un outil d'analyse dédié à l'évaluation et à l'optimisation des interfaces de puces électroniques (chiplets). Il permet aux ingénieurs et chercheurs de détecter les défauts de connexion (ouverts, courts, etc.), d'analyser leur réparabilité et de générer des solutions de réparation. Grâce à des modèles de défauts et des analyses statistiques, CIRA aide à améliorer le rendement de fabrication des puces en identifiant les zones critiques et en proposant des mécanismes de réparation adaptés.

Outil dédié à l'analyse statistique et à la modélisation prédictive pour les chercheurs et data scientists. Permet de manipuler des données, de construire des modèles complexes et de générer des rapports automatisés. Facilite la simulation de scénarios et l'évaluation de performances de modèles statistiques.

Modèle de microsimulation conçu pour évaluer l'impact des politiques publiques sur l'autonomie des personnes à domicile. Il permet d'analyser les dépenses de santé, les besoins en soins et l'organisation des services médicaux et sociaux. Basé sur des données anonymisées et des algorithmes statistiques, il aide les décideurs à anticiper les évolutions démographiques et à adapter les ressources disponibles.

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.

SurvMS est un package R dédié à la simulation de données de survie pour des modèles statistiques variés. Il permet de générer des jeux de données réalistes à partir de modèles comme le modèle de Cox, le modèle AFT (Accelerated Failure Time) ou le modèle AH (Accelerated Hazards), avec des distributions de base Weibull ou log-normale. L'outil facilite l'évaluation et la comparaison de méthodes d'analyse de survie en fournissant des données simulées adaptées à différents scénarios.

Projet Java dédié à la reconnaissance d'auteur et à l'analyse de texte via des modèles de langage statistique. Il permet d'identifier des auteurs à partir de corpus de phrases, de calculer des probabilités de phrases, et de générer des modèles de langage pour l'évaluation de textes. Utilisé dans un cadre académique pour l'apprentissage des techniques de traitement automatique du langage.

RPBK est un package R dédié à l'inférence de modèles toxicocinétiques basés sur la physiologie. Il permet aux chercheurs et toxicologues de simuler et analyser le comportement de substances chimiques dans l'organisme, en intégrant des données expérimentales et des modèles statistiques avancés. L'outil facilite la compréhension des mécanismes d'absorption, de distribution, de métabolisme et d'excrétion des toxiques, contribuant ainsi à l'évaluation des risques sanitaires et environnementaux.

Ce projet propose une implémentation Python des tests RCIT/RCoT, permettant d'évaluer l'indépendance conditionnelle entre variables en grande dimension. Il utilise des techniques d'approximation de matrices de noyaux via des *random Fourier features* pour des analyses statistiques robustes. Destiné aux chercheurs et data scientists, il facilite la validation de modèles et l'exploration de relations complexes dans les données.

Ce projet propose une implémentation Python des tests RCIT et RCoT, initialement développés en R. Il permet d'évaluer l'indépendance conditionnelle entre variables dans des jeux de données complexes grâce à des méthodes basées sur des approximations de matrices de noyaux. Utilisé principalement en recherche académique et en analyse de données, il facilite la validation de modèles et l'exploration de relations statistiques avancées.

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.