Ce projet utilise des données satellites pour détecter et analyser les habitats spontanés. Il permet de définir le type de données satellites à utiliser, le département et l'année d'utilisation, ainsi que le type d'annotateur et la taille des buffers. Le pipeline d'entraînement complet est contenu dans le fichier src/run_training_pipeline.py et peut être lancé en définissant le fichier config.yaml et en exécutant la commande python src/run_training_pipeline.py <remote_server_uri> <experiment_name> <run_name>.

Le projet python-l1 est une solution dédiée à la gestion et l'analyse de données financières. Il permet d'importer, de structurer et d'analyser des données provenant de différentes sources, telles que des relevés de compte ou des extractions de données bancaires. Grâce à des algorithmes avancés de détection de fraude et de tendances, il offre une visibilité accrue sur les opérations financières et aide les utilisateurs à prendre des décisions éclairées.

Ce projet propose un ensemble de fonctionnalités pour aider à automatiser des tâches répétitives, gérer des processus métier et analyser des données. Il est basé sur le langage de programmation Python et peut être utilisé pour développer des scripts ou des applications dédiées.

Bibliothèque Python permettant de contrôler et interagir avec des systèmes de détection et d'acquisition de données, notamment pour des applications scientifiques ou industrielles. Elle facilite la communication avec des modules électroniques, la gestion des capteurs et l'analyse des signaux en temps réel, tout en offrant une interface simplifiée pour les développeurs.

Ce projet est une bibliothèque Python dédiée à l'échantillonnage de données pour l'analyse différentielle privée. Il permet de préserver la confidentialité des données en les perturbant légèrement, tout en préservant leur utilité pour l'analyse statistique.

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 est un tutoriel pour l'analyse de données de l'instrument RPW (Radio and Plasma Waves) de la mission Solar Orbiter. Il est divisé en trois parties : une introduction à l'instrument et ses données, une explication sur la récupération des données à partir de SOAR et Sunpy, et des exemples d'utilisation des données.

Ce projet est un tutoriel qui montre comment analyser des données spatiales provenant de l'instrument RPW LFR. Il est divisé en trois parties : un script pour télécharger les données, un script pour installer les logiciels et les dépendances Python nécessaires, et un notebook Jupyter qui contient le tutoriel proprement dit.

Outil d'analyse géospatiale dédié au traitement des données du Registre Parcellaire Graphique (RPG) français. Il permet aux agronomes et géomaticiens d'étudier les séquences de parcelles agricoles pour identifier les rotations culturales, les changements d'usage des sols et la dynamique des prairies permanentes. Développé par l'INRAE et l'UMR SADAPT, il facilite la recherche agronomique et l'aide à la décision publique en matière de gestion des terres agricoles.

Bibliothèque Python dédiée au contrôle et à la gestion des détecteurs de type Mythen MCA. Elle permet d'automatiser l'acquisition de données, la configuration des paramètres d'acquisition (temps d'exposition, nombre de trames) et la lecture des résultats. Utilisée principalement dans des environnements de recherche ou d'analyse scientifique pour des mesures précises.