Ce projet vise à faciliter la collaboration entre les équipes de recherche et les développeurs de logiciels dans le domaine du calcul haute performance (HPC). Il organise des groupes de travail thématiques pour identifier et résoudre des défis algorithmiques et computationnels communs. Le projet produit des kits de développement (SDK) et des applications proxy permettant d'évaluer la performance et la portabilité des solutions logicielles développées dans le cadre du projet Exa-DI.

Ce projet open source permet de comparer et évaluer différents pipelines de modélisation numérique de terrain (DSM). Il facilite l'analyse statistique des reconstructions 3D générées par diverses méthodes (NASA ASP, CNES CARS, s2p-hd, IGN Micmac) et compare ces résultats à des vérités terrain. Les outils intégrés permettent de quantifier les performances des algorithmes pour des applications en cartographie, télédétection ou gestion des risques naturels.

Ce projet développe un modèle d'optimisation pour concevoir des réseaux de vélos en libre-service intégrés aux transports publics. Il détermine l'emplacement des stations, leur capacité et le nombre de vélos initiaux, afin de maximiser la couverture de la demande de mobilité, en tenant compte des contraintes budgétaires et opérationnelles. Les solutions sont évaluées via des indicateurs clés de performance et comparées à des scénarios de référence.

Ce projet est un projet de deep learning implémenté en Python. Il consiste en un notebook contenant un modèle de deep learning et des algorithmes. Le projet est structuré en plusieurs répertoires : le notebook principal, un répertoire contenant le jeu de données utilisé pour l'entraînement et les tests, un répertoire contenant les résultats d'évaluation et les métriques de performance, et un répertoire contenant l'application web.

Ce projet vise à optimiser le stockage de données en évaluant les performances de différentes solutions de stockage et en déployant les plus adaptées. Il permet de garantir une gestion efficace et performante des données, tout en s'adaptant aux besoins spécifiques de chaque utilisateur.

Application web permettant de créer, gérer et passer des quiz interactifs pour évaluer les connaissances des utilisateurs. Elle offre des fonctionnalités de personnalisation des questions, de suivi des performances et d'accès à des contenus éducatifs variés. Destinée aux étudiants, enseignants ou formateurs, elle facilite l'apprentissage et l'auto-évaluation.

Ce projet vise à développer et comparer des modèles de deep learning pour compter et analyser des foules dans des images. Il reproduit deux architectures populaires (MCNN et SS-DCNet) afin d'évaluer leur performance sur des données réelles comme le jeu de données ShanghaiTech. L'objectif est d'améliorer la gestion des foules lors d'événements publics ou de manifestations, en fournissant des outils précis pour le suivi et la planification des interventions.

Jeu sérieux pédagogique destiné à la formation des médecins généralistes. Le joueur incarne un docteur en médecine générale et doit diagnostiquer correctement cinq patients en tenant compte de leur contexte de vie. Le jeu simule une demi-journée de travail avec des interactions basées sur des questions aléatoires et un suivi des réponses dans un carnet virtuel. Un système de score permet d'évaluer la performance du joueur.

Ce projet est un framework d'évaluation pour la détection d'actions en ligne (OAD). Il permet de mesurer et comparer les performances de différents frameworks dans ce domaine.

Ce projet propose des outils pour évaluer et analyser des cartes géographiques. Il permet de calculer des points d'intérêt, de déterminer des caractéristiques de cartes (comme le nombre de cartes par couleur) et d'évaluer des données spatiales. Les fonctions développées sont principalement destinées à des analyses automatisées ou des tests de performance.