Ce projet est un cours ou un support pédagogique destiné aux étudiants de première année en mathématiques numériques. Il propose des ressources éducatives sous licence Creative Commons, incluant des évaluations partielles pour mesurer les progrès des apprenants. Le contenu est structuré pour faciliter l'apprentissage autonome ou encadré.

Ce projet est une plateforme pédagogique dédiée à l'enseignement du machine learning et de l'intelligence artificielle pour des étudiants en systèmes autonomes. Il propose des supports de cours, des exercices pratiques sous forme de notebooks Jupyter, et des ressources pour l'évaluation des compétences. Les étudiants y apprennent à manipuler des algorithmes d'apprentissage supervisé et non supervisé, ainsi que des réseaux de neurones.

Ce projet rassemble les solutions personnelles d'un participant à l'événement annuel Advent of Code, une compétition de programmation en ligne. Les solutions sont partagées publiquement pour inspirer ou aider d'autres développeurs, tout en encourageant l'apprentissage autonome. Le dépôt inclut des commentaires et des références aux sources utilisées, favorisant ainsi la transparence et l'échange de connaissances.

Ce projet propose des exercices pratiques et leurs solutions pour former des étudiants en programmation et en structures de données. Il couvre quatre parties du cours : rappels, structures de données, programmation orientée objet et tâches parallèles. Les énoncés et solutions sont disponibles en ligne pour un apprentissage autonome ou encadré.

Ce projet développe des agents autonomes capables d'apprendre et d'optimiser leurs actions dans des environnements simulés. Il utilise des techniques d'apprentissage par renforcement profond pour entraîner des modèles capables de prendre des décisions complexes. Les applications visent à résoudre des problèmes d'optimisation, de prédiction ou de contrôle dans des domaines variés comme la robotique, les jeux ou la logistique.

Ce projet développe des algorithmes d'apprentissage par renforcement pour entraîner des agents autonomes capables de résoudre des tâches complexes. Il utilise des environnements de simulation pour tester et améliorer les performances des modèles, en générant des graphiques et des vidéos de démonstration. Les résultats sont analysés pour optimiser les paramètres et maximiser les récompenses cumulées.

Ce projet a pour but de fournir des outils d'apprentissage automatique pour les systèmes autonomes. Il inclut des algorithmes de régression, de classification, de clustering et de réduction de dimensionnalité.

Ce projet propose une série d'exercices pratiques organisés en cinq parties thématiques pour un cours de programmation. Il offre des énoncés au format markdown et des solutions accessibles via des dépôts GitLab dédiés. Destiné à des sessions de formation, il facilite l'apprentissage autonome ou encadré en fournissant des ressources pédagogiques complètes et des indications pour récupérer les travaux.

JSPO est un outil interactif conçu pour aider à l'apprentissage des langues en générant des questions aléatoires à partir de listes prédéfinies. Il permet aux utilisateurs de s'entraîner de manière ludique et autonome, en simulant des quiz personnalisables. Le projet vise à faciliter la mémorisation et la compréhension via des interactions dynamiques.

Ce projet GitLab sert d'annuaire centralisé pour les travaux pratiques (TP) réalisés par des étudiants en S3 (2021-2022). Il permet aux étudiants en difficulté de consulter des solutions existantes pour mieux comprendre les attentes et les méthodes de résolution. Les TP sont organisés par matière et accessibles librement, favorisant ainsi l'entraide et l'autonomie dans l'apprentissage.