Notebook personnalisé avec TensorFlow pour la science des données, incluant des outils pour l'apprentissage automatique, l'analyse de données, le traitement d'images et la modélisation statistique.

Le GPU Lab est une ressource de calcul complémentaire à celles offertes par la DSI. Il se compose de 3 serveurs hébergeant 24 GPU de grade consommateur et offre un espace de stockage limité. Les GPU sont adaptés à une large gamme de tâches informatiques intensives telles que l'assemblage de génomes, la dynamique moléculaire et l'apprentissage automatique.

Ce projet fournit une collection de notebooks Jupyter en Julia, optimisés pour l'utilisation de GPU CUDA, facilitant l'analyse de données complexes, la création de modèles prédictifs et 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.

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.

Ce projet est une API permettant la gestion des utilisateurs, l'importation et le traitement de données provenant de différentes sources, ainsi que l'envoi et le suivi d'emails. Il interagit avec une base de données MongoDB pour le stockage et la récupération des données.