TensorFlow est un framework open source dédié à l'apprentissage automatique et au deep learning. Il permet aux développeurs et chercheurs de concevoir, entraîner et déployer des modèles d'intelligence artificielle pour résoudre des problèmes complexes. Utilisé dans divers domaines comme la vision par ordinateur, le traitement du langage naturel ou la robotique, il facilite la création d'applications innovantes en automatisant des processus analytiques et décisionnels.

Ce projet fournit un jeu de données structuré pour l'analyse des mouvements d'instruments et d'endoscopes lors d'interventions chirurgicales. Il inclut des signaux kinématiques normalisés, des timestamps de dissection et des métadonnées associées aux vidéos médicales. Les données sont organisées pour faciliter la recherche en robotique médicale et en apprentissage automatique appliqué à la chirurgie.

CoToGrasp est un projet de recherche dédié à la synthèse de préhensions robotiques dextres conditionnées par la topologie de contact. Il combine des techniques d'apprentissage automatique et de vision par ordinateur pour permettre à des robots de manipuler des objets avec précision dans des environnements complexes. Le projet vise à améliorer les capacités de préhension des robots pour des applications industrielles ou médicales.

Le projet body_3d_tracker est un outil d'analyse de mouvements corporels en temps réel dans un espace 3D. Il utilise des algorithmes avancés de traitement d'images et d'apprentissage automatique pour détecter et suivre les mouvements des personnes, même dans des environnements complexes. Il peut être utilisé pour une variété d'applications, y compris la recherche médicale, la collaboration humain-robot et la sécurité.

Nanoflann est une bibliothèque C++ légère et efficace pour la recherche de voisins approchée dans des ensembles de données à haute dimension. Elle est particulièrement utile dans les domaines de la visualisation de données, de la géométrie algorithmique, de la robotique et de l'apprentissage automatique.

Ce projet utilise des algorithmes d'apprentissage automatique pour améliorer la prise en charge médicale. Il permet la prédiction de maladies, l'assistance au diagnostic médical et la recherche de corrélations épidémiologiques.

Atelier pédagogique dédié à l'apprentissage automatique et à l'analyse de données. Il propose des tutoriels pratiques pour maîtriser les bibliothèques Python comme pandas et scikit-learn. Destiné aux débutants et aux professionnels souhaitant se former aux techniques de data science. Les participants peuvent exécuter des notebooks interactifs pour manipuler des jeux de données et construire des modèles prédictifs.

Ce projet permet de concevoir, simuler et programmer des robots virtuels. Il offre un environnement pour définir des composants comme des moteurs ou des lumières, créer des programmes de contrôle, et simuler leur comportement. Idéal pour l'apprentissage de la robotique ou le prototypage de systèmes automatisés.

Ce projet concerne la Science des Données, l'Apprentissage Statistique et l'Intelligence Artificielle. Il propose des tutoriels sous forme de calepins (jupyter notebooks) en R ou Python pour l'acquisition de compétences dans ces domaines, en s'appuyant sur des scénarios d'analyse de données réelles. Les aspects théoriques (mathématiques, statistiques) sont approfondis grâce à des vignettes détaillées sur le site wikistat.fr.