Ce projet permet de surveiller et détecter les problèmes dans les systèmes informatiques, en particulier dans les clusters Kubernetes. Il utilise des chartes Helm pour faciliter le déploiement et la configuration des composants nécessaires à la détection des anomalies et des pannes. Les données collectées sont ensuite analysées pour fournir des diagnostics précis et des recommandations d'actions correctives.

Bibliothèque open source dédiée à la création de systèmes d'aide à la décision pour la gestion intégrée des cultures. Elle permet aux agriculteurs et conseillers agricoles d'accéder à des modèles prédictifs et des outils d'analyse pour réduire l'usage des pesticides tout en maintenant la productivité. Développée dans le cadre d'un projet européen, elle s'appuie sur des données agronomiques et météorologiques pour proposer des recommandations adaptées.

Projet développé pour le CHU de Bordeaux visant à améliorer la gestion des données médicales des patients. Il combine des technologies d'intelligence artificielle et de bases de données avancées pour analyser les dossiers médicaux, générer des recommandations cliniques et faciliter la recherche médicale. Le système s'appuie sur des standards comme FHIR pour l'interopérabilité et utilise des graphes de connaissances pour modéliser les relations entre les données.

CovSel est un projet visant à fournir des fonctions et des données liées à la pandémie de COVID-19. Il permet la sélection de mesures de lutte contre la pandémie, l'analyse de données épidémiologiques et le développement de recommandations pour la réouverture des établissements.

Ce projet développe des modèles d'apprentissage automatique pour résoudre des problèmes spécifiques dans divers secteurs. Il permet d'extraire des insights pertinents à partir de données brutes, d'automatiser des décisions et d'améliorer l'efficacité opérationnelle. Les solutions proposées sont adaptables à des besoins métiers variés, comme la maintenance prédictive, la recommandation personnalisée ou l'analyse prédictive.

Ce projet est une requête-type écrite en SAS/SQL pour analyser et sélectionner des prestations médicales, notamment des remboursements de médicaments, dans le DCIR (Datamart de Consommation Inter-Régimes). Il permet d'extraire des données précises sur les actes médicaux codés, en utilisant des filtres recommandés par la Cnam et des tables de référence. Destiné aux équipes de santé publique, il facilite la production de statistiques et d'études sur les consommations de soins.

Ce projet permet de générer des rapports d'apprentissage automatique basés sur des modèles bayésiens. Il facilite l'analyse de données complexes en fournissant des insights probabilistes et des recommandations automatisées. Idéal pour les chercheurs, data scientists et entreprises souhaitant exploiter des méthodes statistiques avancées pour améliorer leurs décisions.

Ce projet utilise des modèles de machine learning pour anticiper les ventes de sodas. Il aide les entreprises à ajuster leur production et leurs approvisionnements en fonction des prévisions, réduisant ainsi les surplus ou les ruptures de stock. Les données historiques et les tendances du marché sont analysées pour fournir des recommandations précises.

Ce projet permet de mesurer la proximité ou la similarité entre différentes entités (individus, objets, concepts) à partir de données relationnelles. Il est utile pour analyser des réseaux sociaux, des structures organisationnelles ou des systèmes de recommandation. L'outil aide à identifier des connexions indirectes, des communautés ou des anomalies dans des ensembles de données complexes.

Neo4j est une base de données graphique open source permettant de modéliser, stocker et interroger des données sous forme de graphes. Elle facilite l'analyse de relations complexes entre entités, comme les réseaux sociaux, les systèmes de recommandation ou les structures hiérarchiques. Idéale pour les applications nécessitant une visualisation intuitive des connexions.