Ce projet est une plateforme dédiée à l'apprentissage de l'informatique scientifique pour les étudiants du Master 2 EFM. Il offre des fonctionnalités d'analyse et de visualisation de données, ainsi que des outils pour effectuer des calculs complexes.

Le projet deMon2k-v6.1.6-gpu est un outil de simulation et d'analyse de données dédié aux phénomènes physiques complexes. Il permet de modéliser et de visualiser des systèmes physiques en utilisant des méthodes numériques avancées. Cet outil est utilisé dans le domaine de la recherche scientifique pour comprendre et prédire les comportements de divers systèmes physiques.

Deep Finder est un outil d'analyse d'images développé pour aider les scientifiques à identifier et à classer des structures protéiques dans des données de microscopie cryo-électronique. Il est basé sur des algorithmes de deep learning et offre une interface graphique conviviale pour faciliter son utilisation. Deep Finder a été testé avec succès sur des données de tomographie cryo-électronique et a démontré une grande précision dans la détection et la segmentation de structures cellulaires.

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 est une formation en Python dédiée à l'analyse et la visualisation de données scientifiques. Il couvre des sujets tels que la manipulation de données avec NumPy et Pandas, la visualisation avec Matplotlib et Seaborn, l'analyse statistique avec Statsmodels, la modélisation et l'apprentissage automatique avec Scikit-learn.

Le projet Gildas est un conteneur Docker basé sur Debian Bullseye qui permet d'exécuter l'application Gildas avec son interface graphique. Il est utilisé pour l'analyse de données scientifiques en astronomie, en particulier pour l'extraction de données à partir de cubes astronomiques. Le conteneur inclut des scripts pour extraire des données à partir de datacube pour des tests. Il permet de monter deux volumes : /data pour les données scientifiques et /maps pour les scripts .map de Gildas.

Service d'analyse en text mining sur Migale dédié aux sciences de la vie. Il offre une collaboration et un accompagnement sur demande pour des mini-projets d'extraction d'informations à partir de textes bruts issus de la littérature scientifique ou de bases de données en bioinformatique. Les projets d'analyse doivent correspondre à des applications du text mining pour les sciences de la vie et visent la constitution de corpus textuels thématiques, l'extraction d'entités nommées et la classification d'informations textuelles.

Ce projet est dédié à l'analyse et au traitement de données IRM fonctionnelles provenant du Human Connectome Project. Il vise à créer des figures pour des études scientifiques en utilisant Octave 5.1 et SPM12 pour Octave. Les données raw sont téléchargées depuis l'URL spécifiée et les résultats de l'analyse sont stockés dans des répertoires dédiés.

InfraPhenoGrid est une infrastructure dédiée à la gestion des données produites par les plates-formes de phénotypage végétal à haut débit. Elle permet d'utiliser des workflows scientifiques distribués sur une grille de calcul pour analyser les jeux de données massifs et complexes issus de ces plates-formes, avec pour objectif d'extraire des connaissances utiles en contexte de changement climatique et de sécurité alimentaire.

Ansys-mesolr est un projet dédié à la simulation de mécanique des fluides et à l'analyse de données scientifiques. Il permet de créer des modèles numériques précis et détaillés, offrant ainsi la possibilité de tester et d'optimiser des designs dans un large éventail d'applications industrielles.