Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Outil Python dédié à l'appariement flexible d'identifiants de métabolites ou lipides identifiés par métabolomique à des réseaux métaboliques. Basé sur l'ontologie ChEBI, il permet de faire correspondre des molécules précises (comme des espèces lipidiques) à des descriptions plus génériques présentes dans les réseaux métaboliques (comme des classes de lipides). Particulièrement adapté aux données lipidomiques, il facilite l'analyse des voies métaboliques en exploitant la structure de graphe acyclique dirigé de ChEBI.
- Ce projet développe des algorithmes pour résoudre le problème d'appariement à goulot d'étranglement dans les graphes bipartites. Il permet de déterminer un appariement de cardinalité maximale où le poids minimal d'une arête est maximisé. Les solutions sont appliquées à des matrices de coûts ou de distances, notamment pour des problèmes d'optimisation dans des domaines comme la logistique ou l'analyse de réseaux.
- Ce projet développe des méthodes mathématiques pour optimiser le transport de tenseurs, notamment dans le cadre de l'analyse de données structurées comme les graphes. Il permet de comparer, apparier ou partitionner des ensembles de données complexes en utilisant des algorithmes avancés d'optimisation et de transport optimal. Les applications incluent l'apprentissage automatique sur des données relationnelles, la reconnaissance de motifs ou l'optimisation de réseaux.
- Ce projet propose des implémentations optimisées d'algorithmes pour résoudre le problème d'appariement dans les graphes bipartites. Il s'appuie sur des méthodes probabilistes (Monte Carlo) et des approches déterministes (Las Vegas) pour traiter des cas spécifiques comme les graphes aléatoires ou réguliers. Les solutions sont conçues pour être rapides et quasi optimales, avec des applications en optimisation combinatoire et en analyse de réseaux.
- Ce projet implémente des algorithmes efficaces basés sur les règles de réduction de Karp-Sipser pour trouver des appariements de haute cardinalité dans des graphes bipartites ou des graphes non orientés généraux. Il permet d'optimiser les couplages entre sommets en réduisant la complexité des graphes d'entrée, facilitant ainsi la résolution de problèmes combinatoires complexes. Les solutions produites sont utiles en optimisation, en bioinformatique ou en analyse de réseaux.
- Application permettant de simuler des lancers de dés à plusieurs faces et de visualiser les résultats sous forme de nuage de points dynamique. Elle offre la possibilité de comparer des séries de lancers, d'analyser les fréquences d'apparition des résultats et de personnaliser l'affichage des données. L'outil est conçu pour faciliter l'apprentissage des patrons architecturaux MVC et l'utilisation des composants graphiques JavaFX.
- Notoriété 15 %Ce projet open source propose des outils et ressources pour l'appariement de données individuelles basées sur des traits d'identité. Il inclut des tutoriels pédagogiques, des exemples de code pour différents langages (Python, R), et des données synthétiques de test. Destiné aux statisticiens et data scientists, il facilite l'apprentissage et l'application des méthodes d'appariement de données, notamment via des notebooks interactifs et des intégrations avec des environnements comme SSPcloud ou Google Colab.
- Notoriété 7 %Ce moteur permet d'identifier et d'apparier des adresses géographiques à partir de fichiers de données (CSV, Parquet). Il traite des adresses complètes ou des codes postaux et communes, en utilisant des index Elasticsearch pour une recherche rapide et précise. Les résultats sont générés sous forme de fichiers structurés, facilitant l'intégration dans des processus métiers ou des systèmes d'information.
8 initiatives
10