Le projet deep-sequoia est un outil d'analyse de données génétiques dédié à la recherche en bio-informatique. Il permet le traitement et l'interprétation de données massives issues de séquençage à haut débit.

Ce projet a pour but d'explorer et d'analyser les données essentielles de la commande publique (DECP) afin d'établir une prévision budgétaire pour le service du budget de l'État. Il consiste en un traitement et un filtrage des données DECP et budgétaires pour construire un périmètre identique.

Projet de traitement et d'analyse des données essentielles de la commande publique. Il permet de récupérer les données au format JSON, de les traiter et de les convertir au format CSV pour une meilleure utilisation. Il inclut également des fonctionnalités de visualisation de données géographiques.

Ce projet vise à stocker et traiter les données liées aux diagnostics de performance énergétique (DPE). Il comprend des scripts d'extraction, de nettoyage, de montée en qualité et de géocodage des données. Des analyses préliminaires sont également réalisées pour visualiser les consommations d'énergie et les estimations de gaz à effet de serre par département.

Ce dépôt contient une formation complète sur le deep learning, couvrant des sujets tels que l'analyse de données, la reconnaissance d'images, le traitement du langage naturel et l'apprentissage automatique. Il utilise des outils tels que TensorFlow, Scikit-Learn, Pandas et NumPy pour fournir une compréhension approfondie de ces concepts.

Logiciel Matlab GUI développé dans la Facility de l'Institut du Son pour l'acquisition et le traitement des données. Il permet la visualisation des données ABR, la détection automatique des amplitudes et latences des ondes ABR, la curation manuelle, et la détection automatique du seuil auditif basée sur une procédure itérative de corrélation croisée.

Ce projet vise à fournir un environnement d'apprentissage pratique pour les étudiants de la filière GGMD (Génie Geographique, Mobilité et Données) de l'Université Lyon 1. Il est composé de plusieurs TPs couvrant différents aspects de la conception et du déploiement de bases de données réparties, l'optimisation des performances pour le traitement de grandes quantités de données, l'analyse de données astronomiques à l'aide d'Apache Spark, et le traitement de flux de données en temps réel avec Spark Streaming et Apache STORM.

Ce projet est dédié à l'analyse de données audio, à la reconnaissance vocale et au traitement du langage naturel. Il vise à fournir des outils avancés pour le traitement et l'analyse de données audio, ainsi qu'à améliorer la compréhension et l'interprétation des données vocales.

Le projet trait-environment-relationships vise à analyser et visualiser les données environnementales, ainsi qu'à modéliser les interactions entre les traits d'espèces et l'environnement. Il permet d'aider les décideurs dans la gestion des écosystèmes en fournissant des outils d'aide à la prise de décision.

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.