Ce projet est issu d'un hackathon en data science. Il fournit des ressources pour l'analyse et la visualisation de données, ainsi que des tutoriels pour le développement d'applications web interactives et l'initiation à l'apprentissage automatique, en utilisant les langages R et Python.

Ce projet fournit une instance déployable de JupyterHub sur OpenShift, utilisant OpenShift comme fournisseur d'authentification. Il permet aux utilisateurs de créer et de partager des notebooks Jupyter, idéal pour l'analyse de données, l'apprentissage automatique et la data science.

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.

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.