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 évaluer les performances des applications avec BeeGFS en générant des tests pratiques à l'aide d'IOR et en comparant les limites de performance du réseau et des dispositifs de stockage.

Kraken-Benchmark est une application Python partiellement basée sur Flask qui évalue les performances d'un modèle de transcription Kraken en fournissant des exemples de transcriptions parfaites. Les différentes métriques générées par Kraken-Benchmark sont affichées dans une application web sous forme de tableau de bord.

Ce projet concerne le développement d'un outil d'apprentissage automatique basé sur le langage de programmation Python. Il s'appuie sur la bibliothèque scikit-learn pour offrir des fonctionnalités de préparation de données, de sélection et d'application d'algorithmes de machine learning, ainsi que d'évaluation des performances des modèles prédictifs.

Embench est une solution automatisée de génération de benchmarks pour applications embarquées. Il permet d'évaluer les performances d'applications sur des cibles matérielles embarquées et de créer des rapports de performance détaillés.

Projet wasm-benchmark vise à évaluer les performances d'applications WebAssembly en exécutant des benchmarks sur différents navigateurs web et moteurs d'exécution.

Le projet QuiQuiz-sint est une application dédiée à l'évaluation des connaissances financières des utilisateurs. Il permet de jouer à un questionnaire, suivre ses performances et comparer ses résultats avec ceux d'autres joueurs.