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.

Corr_matrixpi est un projet permettant le calcul et l'analyse de matrices de corrélations pour des données financières à grande échelle. Il permet de détecter des tendances et des corrélations dans les données, facilitant ainsi la prise de décision financière.

Le projet AMI IA 2 de la DGE SISSE vise à développer des outils d'analyse de données pour les politiques publiques, notamment pour la détection de fraudes et le suivi des tendances du marché.

Le projet EDA_model a pour but d'analyser, détecter des tendances et prévoir des ventes à partir de données financières. Il offre une plateforme pour héberger différentes implémentations de modèles d'analyse de données.

Ce projet aide les organisations à gérer les plaintes relatives aux droits du travail, à suivre les interactions avec les autorités et à analyser les données pour détecter des tendances. Il offre une interface conviviale pour enregistrer et suivre les plaintes, ainsi que des fonctionnalités d'analyse de données pour aider à identifier les problèmes courants et les tendances.

Le projet sbip2 est une application web qui vise à fournir une plateforme d'analyse et de visualisation de données pour différents cas d'utilisation métiers. Il permet de représenter les données sous forme de graphiques, de tableaux et de cartes, et offre des fonctionnalités avancées telles que la détection de tendances, l'analyse de séries temporelles et la prévision de données.

Le projet ia-tracker est une solution de traitement et d'analyse de données en temps réel, permettant la détection d'anomalies et la prévision de tendances grâce à l'intelligence artificielle. Il offre une surveillance continue des données et des alertes en cas de problèmes détectés.

Ce projet analyse les données relatives à la sécurité routière pour détecter des tendances et des anomalies. Il permet aux utilisateurs de visualiser les résultats de manière claire et intuitive.

Le projet ban-data vise à fournir une plateforme d'analyse et de gestion de données géospatiales, en particulier dans le domaine de l'urbanisme. Il permet de détecter des patterns et tendances dans les données, ainsi que de gérer les données relatives à l'urbanisme.

Open Signaux Faibles est un projet d'analyse et de prévision de signaux faibles économiques. Il permet de collecter, traiter et visualiser des données économiques pour détecter les tendances émergentes et prévoir les évolutions futures.