Ce projet propose des ateliers pratiques et des notebooks pour former les participants à l'apprentissage profond. Il couvre des cas d'usage variés comme l'analyse de données médicales pour détecter le paludisme, la détection de fraudes financières, ou encore la reconnaissance de gestes en langage des signes. Les ressources sont conçues pour être utilisées dans un cadre académique ou de recherche, avec des jeux de données accessibles et des outils adaptés aux débutants comme aux experts.

Ce projet fournit un corpus de données dédié à l'analyse de l'impact des transcriptions ASR (Automatic Speech Recognition) sur la résolution de coréférence en français. Les données, issues de transcriptions automatiques et manuelles, permettent d'étudier les différences de performance des modèles de traitement automatique du langage entre ces deux types de transcriptions. Le corpus est librement accessible sous licence CC BY-NC-SA 4.0 pour la recherche académique.

Ce projet permet l'analyse et la visualisation de données issues de recherches scientifiques, notamment dans le domaine de l'apprentissage automatique. Il facilite la présentation des résultats sous forme de présentations interactives et de supports de communication pour des conférences ou des publications académiques.

Projet académique dédié à l'analyse de données et à la recherche scientifique dans un cadre universitaire. Il facilite la collaboration entre chercheurs et étudiants en fournissant des outils pour gérer, analyser et partager des données. Le dépôt sert de support à des projets de recherche ou des développements logiciels liés à des études scientifiques.

Plateforme dédiée à la recherche scientifique et académique, permettant aux utilisateurs d'explorer, analyser et partager des données issues de diverses sources. Elle facilite la collaboration entre chercheurs en offrant des outils d'analyse avancés et un accès centralisé à des publications scientifiques. Destinée aux institutions, laboratoires et chercheurs individuels, elle vise à accélérer la découverte et l'innovation.

Ce projet académique vise à développer des outils d'intelligence artificielle pour l'analyse de données, la simulation de modèles complexes et l'automatisation de processus scientifiques. Il s'appuie sur des bibliothèques spécialisées pour traiter des jeux de données variés et proposer des solutions innovantes en modélisation prédictive. Destiné à la recherche et à l'enseignement supérieur, il facilite la collaboration entre équipes universitaires.

Outil dédié à l'analyse et à la reconstruction d'images obtenues par imagerie par rayons X, principalement utilisé dans le cadre de la recherche scientifique. Il permet une visualisation multi-résolution et une optimisation des données pour des applications en science des matériaux et en microscopie. Développé en collaboration avec des institutions académiques et des laboratoires de recherche.

Ce projet est une bibliothèque Java dédiée à l'analyse et à la validation de fichiers de spécification de vues au format VD. Il permet de parser des fichiers décrivant des vues et leurs sources de données, facilitant ainsi l'intégration et la vérification de ces spécifications dans des systèmes de gestion de données ou de règles métiers. Utilisé principalement dans des environnements académiques et de recherche, il offre une interface robuste pour manipuler des structures de données complexes.

NIVO est un projet open source dédié à l'analyse sémantique et à la gestion de données textuelles. Il permet aux équipes de collaborer sur des contenus enrichis, d'automatiser des processus de test et de déploiement, et d'intégrer des outils pour faciliter le travail collaboratif. Le projet s'inscrit dans un cadre académique et vise à faciliter la recherche en linguistique computationnelle et en traitement automatique des langues.

Projet académique dédié à l'analyse de données et à la recherche en statistiques. Il propose un environnement interactif pour manipuler des jeux de données, réaliser des analyses exploratoires et produire des visualisations. Destiné aux étudiants, chercheurs et enseignants, il facilite l'apprentissage et la collaboration autour de la programmation en R et Python.