Atelier pratique dédié à l'apprentissage des outils R et de la bibliothèque ggplot2 pour la visualisation de données. Il propose une introduction aux bonnes pratiques de traitement et d'analyse de données, ainsi qu'à la génération de rapports reproductibles. Destiné aux débutants ou aux utilisateurs souhaitant structurer leurs projets de data science.

Projet dédié à la reproduction et à la validation d'expériences scientifiques publiées dans le domaine des neurosciences. Il permet aux chercheurs de vérifier les résultats d'études en recréant les conditions expérimentales décrites dans un article académique. Le dépôt fournit les outils nécessaires pour exécuter les simulations et analyser les données, favorisant ainsi la transparence et la reproductibilité en science.

Ce projet propose des scripts pour automatiser des exercices de traitement et d'analyse de données. Il est conçu pour aider les utilisateurs à s'entraîner et à se préparer à des compétitions ou défis en science des données, comme le DAC21. Les outils permettent de manipuler et de transformer des jeux de données de manière répétitive et reproductible.

Ce projet fournit un modèle pour créer rapidement des structures de code Python dédiées à l'analyse et au traitement de données issues du SIRTA (Site Instrumental de Recherche par Télédétection Atmosphérique). Il facilite la mise en place de chaînes de traitement reproductibles et standardisées pour les chercheurs et ingénieurs en sciences de l'atmosphère, en s'appuyant sur des bibliothèques scientifiques reconnues.

Fairmat 2023 est un projet contribuant au standard NeXus, un format ouvert pour structurer et échanger des données expérimentales en science des matériaux. Il vise à faciliter l'interopérabilité entre les instruments de mesure et les logiciels d'analyse, en proposant des définitions communes pour les métadonnées et les données brutes. Ce travail s'inscrit dans une démarche collaborative internationale pour améliorer la reproductibilité et la réutilisation des données scientifiques.