Atelier de formation destiné aux chercheurs et étudiants en sciences humaines et sociales pour découvrir l'utilisation du langage Python dans leurs travaux de recherche. L'événement combine présentations théoriques, démonstrations pratiques et exercices interactifs pour initier les participants aux bases de la programmation et à son application concrète dans l'analyse de données.

Ce projet est une formation donnée par Emilien Schultz sur l'utilisation du langage Python pour la programmation scientifique en SHS. La formation couvre les bases du langage, l'utilisation de Notebooks Jupyter, la manipulation de données, les traitements statistiques, et des usages plus avancés comme la collecte de données ou l'analyse de réseaux.

Ce projet propose des formations en Python destinées aux chercheurs et professionnels des sciences humaines et sociales (SHS). Il couvre l'introduction à Python et le traitement de données textuelles, avec des sessions organisées par l'URFIST Paris en 2026. Les participants apprennent à manipuler des jeux de données et à appliquer des méthodes d'analyse modernes.

Ce projet, présenté lors d'une conférence à MATE-SHS, fournit des démonstrations et des ressources pour l'utilisation de Python dans les sciences humaines et sociales. Il inclut des exemples de traitement de données, d'analyse de données textuelles et de visualisation de données géographiques.

CUSO2026 est un projet éducatif visant à former les chercheurs et étudiants en Sciences Humaines et Sociales (SHS) à l'utilisation de Python pour le traitement et l'analyse de données. Il propose des modules pratiques pour maîtriser les bases du langage, exploiter des bibliothèques spécialisées et appliquer ces compétences à des données textuelles ou quantitatives.

Le projet SHiNeMaS-Tutorial est un dépôt de code source dédié à la gestion et l'analyse de données environnementales. Il permet de créer des instances de tutoriel SHiNeMaS pour la formation et la recherche en sciences de l'environnement. Ce dépôt inclut des scripts exécutables et des jeux de données pour faciliter la prise en main de l'outil.

Le projet Biosphere Shiny App permet aux utilisateurs de déployer des applications Shiny et des environnements R sur l'infrastructure cloud de l'IFB (Institut Français de Bioinformatique). Il offre une interface web pour accéder à des applications interactives développées en R, facilitant ainsi la visualisation de données et les analyses statistiques dans le domaine de la bioinformatique. Les utilisateurs peuvent choisir parmi différents environnements R ou déployer leurs propres applications.

Projet de recherche dédié à la détection automatisée des ombres dans les images satellites à haute résolution. Il permet d'identifier et de cartographier les zones d'ombre pour des applications en télédétection, urbanisme, gestion des risques naturels ou encore analyse environnementale. Le système utilise des modèles d'apprentissage profond entraînés sur un jeu de données dédié, offrant une solution robuste pour l'analyse des paysages urbains et naturels.

Ce projet génère un jeu de données à grande échelle pour la détection d'ombres en télédétection. Il assemble des images satellites haute résolution, des modèles numériques de surface (DSM) issus de scans LiDAR, et des masques d'ombres calculés géométriquement. Les données proviennent de sources publiques comme l'USGS et sont destinées à des applications en reconstruction 3D, analyse urbaine ou environnementale.

Le projet shiny-apps permet de créer des applications web interactives pour aider les entreprises dans leur prise de décision. Il offre une analyse de données en temps réel et permet de visualiser les résultats de manière intuitive.