Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Ce projet utilise des modèles de langage avancés (LLM) pour analyser des textes et détecter automatiquement les mentions de personnes. Il s'appuie sur des thèses historiques pour entraîner et évaluer les modèles, produisant des résultats sous forme structurée. Les performances des modèles sont ensuite vérifiées manuellement pour garantir la qualité des données extraites.
- Notoriété 18 %Ce projet traite et analyse les données des Diagnostics de Performance Énergétique (DPE) en France. Il permet de nettoyer, structurer et enrichir ces données pour en faciliter l'exploitation. Le traitement inclut le géocodage des adresses, la génération de statistiques par département, et la création de visualisations pour évaluer la consommation énergétique et les émissions de gaz à effet de serre. Les résultats sont utilisés pour des analyses métiers et des rapports techniques.
- Ce projet se concentre sur l'analyse et la compréhension automatique de texte en utilisant des techniques d'apprentissage faiblement supervisé. Il permet d'extraire des informations structurées à partir de données textuelles brutes, d'évaluer la qualité des modèles de langage et de générer des métriques pour mesurer leur performance. Les outils développés visent à améliorer l'efficacité des systèmes de traitement automatique du langage naturel (TALN) en réduisant le besoin d'annotations manuelles.
- Ce projet est un outil d'analyse de données de vols aériens aux États-Unis pour l'année 2014. Il permet de charger et d'interroger des fichiers CSV contenant des informations détaillées sur les vols, les aéroports et les compagnies aériennes. L'application offre des fonctionnalités pour lister des vols selon divers critères, identifier les retards, comparer les performances des compagnies et rechercher des itinéraires. Destiné à des étudiants en programmation avancée, il sert de support pédagogique pour maîtriser la manipulation de structures de données complexes et l'optimisation algorithmique.
- Ce projet pédagogique vise à enseigner les structures de données fondamentales pour représenter des graphes et analyser leur complexité algorithmique. Il propose des outils pratiques pour modéliser des réseaux, implémenter des parcours et évaluer les performances des opérations élémentaires. Les étudiants apprennent à choisir la structure adaptée en fonction des besoins algorithmiques.
- Bibliothèque Node.js conçue pour faciliter l'extraction et l'analyse de données depuis le web. Elle offre aux développeurs des outils concis et exhaustifs pour créer des scrapers performants, automatiser la collecte d'informations et transformer des pages web en données structurées. Idéale pour les projets nécessitant une veille automatisée, une analyse de contenu ou une extraction de données à grande échelle.
- OrthoInspector est une suite logicielle spécialisée dans la détection rapide et performante des relations d'orthologie et d'inparalogie entre différentes espèces. Conçue pour répondre aux défis des données biologiques massives, elle permet aux chercheurs d'explorer librement de grandes bases de données couvrant les domaines des Archaea, Bactéries et Eucaryotes. L'outil facilite l'analyse comparative des protéomes et génère des fichiers structurés pour une exploitation ultérieure dans des bases de données relationnelles.
- Pyptu est une bibliothèque Python conçue pour lire et analyser des fichiers PTU (PicoQuant Time-Tagged) utilisés en microscopie de fluorescence temporelle. Elle permet d'extraire et de structurer les données de photons, marqueurs et débordements contenus dans ces fichiers, facilitant ainsi leur exploitation par des outils d'analyse scientifique. Grâce à l'utilisation de tableaux NumPy et de DataFrames Pandas, pyptu optimise les performances de lecture et de traitement des données.
- Ce projet permet d'analyser et de traiter des signaux audio en générant des spectrogrammes, en filtrant et en préparant les données pour l'entraînement de modèles de machine learning. Il automatise la création de jeux de données structurés et facilite l'évaluation des performances des algorithmes. Les résultats peuvent être utilisés pour des applications en reconnaissance vocale, détection d'anomalies ou analyse de tendances sonores.
- Ce projet est un plugin pour le logiciel d'analyse d'images biologiques Icy, développé par l'unité d'analyse d'images biologiques de l'Institut Pasteur. Il permet d'intégrer la bibliothèque FlatBuffers de Google pour optimiser le stockage et le traitement des données d'images scientifiques. FlatBuffers est un format de données binaire efficace, idéal pour les applications nécessitant des performances élevées en lecture et écriture de données structurées. Le plugin facilite ainsi l'échange et la manipulation de données bioimage au sein de l'écosystème Icy.
73 initiatives
10