Ce projet académique propose un parcours pédagogique complet pour initier les étudiants à l'intelligence artificielle et au machine learning. Il inclut des supports de cours, des notebooks interactifs et des exercices pratiques couvrant des sujets comme les régressions linéaires, les réseaux de neurones, les arbres de décision et les méthodes de régularisation. Destiné aux étudiants de l'Université Grenoble Alpes, il vise à renforcer leurs compétences en analyse de données et en modélisation prédictive.

Ce projet propose des ressources pédagogiques pour une formation en intelligence artificielle et apprentissage automatique. Il inclut des supports de cours sous forme de diapositives, des exercices pratiques sous forme de notebooks Jupyter, et des exemples concrets pour illustrer les concepts clés comme les réseaux de neurones, les modèles de classification et l'analyse de données. Destiné aux étudiants et professionnels, il facilite l'apprentissage interactif et collaboratif.

Serveur MCP permettant d'interroger et d'analyser des données de renseignement réseau via des agents IA. Il facilite l'exploration des actifs informatiques, la détection de vulnérabilités et la génération de rapports sur les infrastructures réseau. Les utilisateurs peuvent poser des questions en langage naturel pour obtenir des insights sur les hôtes, ports, services, systèmes d'exploitation ou vulnérabilités spécifiques.

Projet dédié à l'évaluation et à la comparaison de modèles d'intelligence artificielle spécialisés dans l'analyse de données audio. Il permet de tester et classer différents algorithmes (réseaux de neurones, CatBoost, KNN, etc.) pour déterminer leur efficacité en termes de précision et de performance.

Ce projet développe des algorithmes pour optimiser le placement d'utilités et de résidences sur une carte urbaine. Il utilise des réseaux de neurones et des algorithmes génétiques pour générer des configurations réduisant les distances de déplacement. Deux approches sont proposées : une méthode avancée basée sur l'IA et une solution plus simple pour des résultats rapides. L'objectif est d'améliorer l'efficacité des aménagements urbains en analysant les données spatiales.

Ce projet est une plateforme pédagogique dédiée à l'enseignement des méthodes statistiques et de l'apprentissage automatique (machine learning) pour les étudiants en master. Il propose des supports de cours, des exercices pratiques sous forme de notebooks Jupyter, et des ressources pour explorer des concepts comme les modèles linéaires, les SVM, le clustering ou les réseaux de neurones. Les outils utilisés couvrent des bibliothèques Python majeures pour l'analyse de données et l'IA.

Ce projet développe des réseaux de neurones artificiels homogènes pour étudier et simuler des architectures neuronales complexes. Il vise à améliorer la compréhension des mécanismes d'apprentissage et d'adaptation dans les systèmes intelligents. Les applications potentielles incluent la robotique, l'analyse de données et la modélisation cognitive. Le code est open source et collaboratif, permettant aux chercheurs et développeurs d'expérimenter et de contribuer aux avancées en IA.

Ce projet vise à détecter et analyser les cyclones en utilisant les données fournies par l'instrument IASI (Interféromètre Atmosphérique de Sondage Infrarouge) embarqué sur des satellites. Grâce à des modèles avancés d'intelligence artificielle, notamment des réseaux de neurones comme YOLO, il permet une identification précise et en temps réel des phénomènes cycloniques, facilitant ainsi la prévention et la gestion des risques naturels.