Ce projet mené par le PEReN étudie le framework AMP de Google en analysant ses performances et son impact sur le référencement. Il permet de comparer les résultats de recherche entre mobile et desktop, d'évaluer les métriques de performance (FCP, LCP, TTI, SI) et d'analyser les différences entre pages utilisant AMP et celles ne l'utilisant pas. Les données collectées sont exploitées via des notebooks pour des analyses approfondies.

Ce projet vise à étudier la reproductibilité d'un pipeline de traitement d'images médicales (FSL-FLIRT) déployé via Docker et Guix sur différentes infrastructures. Il compare les résultats obtenus sur des données cérébrales issues de l'ensemble OASIS-I, en analysant les différences entre les sorties générées par ces deux environnements. Les analyses portent sur des transformations rigides appliquées à des scans cérébraux, avec une attention particulière aux matrices de transformation et aux fichiers de sortie.

Ce projet fait partie des travaux de recherche ReproVIP menés avec Emmanuel Medernach et Sorina Pop. Il vise à étudier la reproductibilité du pipeline FSL-FLIRT lorsqu'il est déployé via Docker et GUIX sur des clusters de calcul. Les expériences menées sur le jeu de données OASIS-I analysent les différences de sorties entre environnements, notamment en termes de bitwise identicality des fichiers de sortie.

Projet dédié à la collecte et à la diffusion de carnets Jupyter (notebooks) associés à des exemples concrets d'utilisation de l'outil OMEGAlpes. Ces notebooks permettent d'explorer des données scientifiques, de réaliser des analyses énergétiques régionales et de visualiser des résultats via des outils interactifs. Le projet s'adresse principalement aux chercheurs, étudiants et professionnels du domaine de l'énergie et de la modélisation territoriale.

Projet de recherche financé par la région Nouvelle-Aquitaine, associant plusieurs laboratoires universitaires. Il vise à analyser les migrations humaines et leurs impacts sur les territoires à travers des outils de visualisation et de modélisation. Les données sont traitées via des scripts et des notebooks pour produire des analyses géographiques et des publications scientifiques.

Ce projet propose des tutoriels et exercices pratiques pour apprendre à analyser des données avec les outils Python NumPy et pandas. Destiné aux étudiants, il couvre les bases de la manipulation de données, la visualisation et des cas concrets d'examen. Les ressources sont accessibles via des notebooks interactifs et des plateformes comme Google Colab ou Binder.

Plateforme collaborative dédiée à l'analyse et à la visualisation de données issues de la recherche académique via des notebooks Jupyter. Permet aux chercheurs et étudiants d'explorer, manipuler et partager des jeux de données scientifiques en utilisant des outils interactifs et des bibliothèques Python spécialisées.

Ce projet vise à évaluer la variabilité analytique dans les analyses de neuroimagerie fonctionnelle (fMRI) à grande échelle. Il explore différentes configurations de pipelines de traitement d'images cérébrales pour identifier les sources de variabilité dans les résultats. Les données proviennent de sujets de l'Human Connectome Project et sont analysées via des notebooks Jupyter. Les résultats sont présentés sous forme de graphiques et de figures pour une publication scientifique lors du congrès OHBM 2026.

Ce projet fournit un ensemble de notebooks Jupyter pour l'analyse et la visualisation de données, en utilisant des bibliothèques telles que Plotly, Matplotlib, NumPy, SciPy, Pandas et Seaborn. Il offre également une interface utilisateur pour interagir avec les notebooks via un navigateur web.

Ce projet permet de fournir une plateforme de formation en ligne dédiée à l'apprentissage de la programmation et à l'analyse de données via des notebooks interactifs.