Ce projet propose un schéma national pour structurer et standardiser les données de comptage des mobilités (vélos, trottinettes, piétons, etc.) en France. Il permet aux collectivités de publier des données ouvertes et comparables sur la fréquentation de leurs infrastructures, facilitant ainsi leur réutilisation par des services d'information voyageur ou des outils d'analyse territoriale. Le schéma définit des champs obligatoires et optionnels pour s'adapter aux besoins des producteurs de données, qu'ils soient petits ou grands.

Ce projet fournit une procédure d'inférence pour valider des modèles statistiques à partir de données synthétiques. Il permet de reproduire des exemples de simulation et d'analyse de données, notamment pour des modèles BRD (Bayesian Regression and Decision). Les utilisateurs peuvent exécuter des scripts R et Python pour comparer des statistiques observées et simulées, facilitant ainsi la validation de modèles complexes.

Ce projet mené par le PEReN étudie le framework AMP de Google en analysant ses performances et son impact sur le référencement. Il permet de comparer les résultats de recherche entre mobile et desktop, d'évaluer les métriques de performance (FCP, LCP, TTI, SI) et d'analyser les différences entre pages utilisant AMP et celles ne l'utilisant pas. Les données collectées sont exploitées via des notebooks pour des analyses approfondies.

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.

Ce projet analyse la saisonnalité des charges de travail et de l'usage des systèmes IT dans les datacenters. Il étudie les données de six workloads HPC et de la charge Wikipedia pour identifier des motifs saisonniers, caractériser les pics d'activité et comparer différentes méthodes de prévision. Les résultats permettent d'optimiser la planification des ressources et d'anticiper les besoins en infrastructure.

Outil en ligne de commande conçu pour évaluer et comparer les performances de différents parseurs de code Fortran sur une base de code donnée. Il génère des statistiques et des résultats détaillés pour aider les développeurs à choisir l'outil le plus adapté à leurs besoins. Le projet inclut des analyses sur des bases de code réelles comme DYNAMICO, LMDZ ou ORCHIDEE, fournissant des métriques précises sur la couverture et l'efficacité des parseurs.

Outil d'analyse comparative permettant de comparer deux sous-corpus au sein d'un jeu de données pour identifier et visualiser les différences dans leur contenu textuel ou leurs champs catégoriels. Utilisé pour des études linguistiques, sociologiques ou marketing, il met en évidence les contrastes entre des ensembles de documents afin d'en extraire des insights pertinents.

Ce projet académique compare différentes méthodes de clustering (k-means, classification hiérarchique, clara, EM) appliquées à des données de transcriptomique. L'objectif est d'identifier des groupes de gènes corrélés pour comprendre des phénomènes de co-régulation ou d'association à des maladies. Les résultats sont analysés et comparés entre méthodes, puis enrichis via des ontologies de gènes pour évaluer leur pertinence biologique. Des visualisations et rapports détaillés sont générés pour faciliter l'interprétation des données.

Ce projet fournit des données et des outils pour l'analyse des prédictions de structures protéiques dans le cadre du défi CAPRI Round 55. Il inclut des jeux de données détaillés sur les prédictions générées par MassiveFold, des évaluations CAPRI-Q, et des analyses comparatives avant/après relaxation des modèles. Les résultats sont destinés à la recherche en biologie structurale et en immunologie.

Ce projet développe une solution basée sur l'apprentissage profond pour localiser automatiquement les électrodes EEG dans des images IRM T1. Il permet de segmenter et d'extraire les coordonnées des électrodes détectées, facilitant ainsi l'analyse des données EEG-fMRI. Le système inclut des outils de post-traitement pour améliorer la précision des résultats et comparer les performances avec des méthodes existantes.