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.

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.

Ce module est destiné aux scientifiques souhaitant s'approprier les bases de la statistique descriptive et inférentielle. Il vise une initiation à la résolution de problème par une approche stochastique. Les concepts d'analyse des données, d'estimation et tests, d'analyse de la variance et de régression seront abordés d'un point de vue pratique.

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.

Le French Open Science Monitor est une plateforme publique qui mesure et analyse l'évolution de la science ouverte en France. Il fournit des indicateurs fiables sur les publications scientifiques en accès ouvert, les thèses doctorales, les données de recherche, les logiciels et les essais cliniques. L'objectif est de suivre la mise en œuvre de la stratégie nationale pour la science ouverte, en s'appuyant sur des données ouvertes et maîtrisées, afin de favoriser la diffusion et la réutilisation des résultats de la recherche par les communautés scientifiques et la société.

DiCoExpress est un espace de travail développé en R destiné aux scientifiques, sans expertise en statistiques, mais connaissant R, pour l'analyse de jeux de données RNA-seq. DiCoExpress effectue des contrôles de qualité, propose des analyses de modèles linéaires généralisés (GLM) avec une écriture automatisée des contrastes, permettant à l'utilisateur de répondre à plusieurs questions biologiques. Enfin, DiCoExpress réalise une analyse de co-expression à l'aide de modèles de mélange.

ArchiveExtractor est un module Python permettant d'extraire et d'analyser des données à partir d'archives HDB/TDB. Il offre des fonctions pour rechercher des attributs et extraire des données entre deux dates, retournant des objets pandas.DataFrame. Il est particulièrement utile pour les applications de gestion de données en temps réel et d'analyse scientifique.

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.