Le projet funcamp-r-dock est une image Docker qui orchestre tous les packages nécessaires pour exécuter learnr, shinyAce et les tutoriels R Markdown. Il facilite l'apprentissage du langage de programmation R en fournissant des tutoriels interactifs, offre un environnement de développement pour les applications Shiny et héberge des notebooks R Markdown.

Le projet funcampR a pour objectif de déployer des notebooks R Shiny pré-rendus à partir de packages R ou de conteneurs Docker. Il permet de faciliter l'apprentissage de la programmation R, la création de visualisations de données et l'enseignement de la statistique.

Ce projet fournit des ressources pour l'apprentissage du langage de programmation R, y compris des PDF de présentation, des scripts avec exercices corrigés et un GuideLine pour les bonnes pratiques de codage.

Ce guide vise à fournir des indications et des recommandations pour le développement d'applications sécurisées en utilisant le langage de programmation Rust. Il ne s'agit pas d'un cours sur la façon d'écrire des programmes Rust, il existe déjà de nombreuses bonnes ressources d'apprentissage à cette fin. L'objectif est plutôt de guider le programmeur et de l'informer des certaines fosses dans lesquelles il pourrait tomber, en particulier s'il est impliqué dans le développement d'applications avec des exigences de sécurité élevées. Ces recommandations complètent le niveau élevé de confiance que le langage Rust fournit déjà.

Ce projet vise à fournir un environnement dédié à l'apprentissage de la programmation robotique, en permettant aux utilisateurs de contrôler des robots via des notebooks Jupyter. Les étudiants peuvent développer et tester différents algorithmes pour interagir avec les robots.

Ce projet propose une méthode pour résoudre efficacement le problème d'optimisation Language-Free Acq en fournissant un réseau de contraintes optimal et cohérent, le cas échéant. Implémenté en Python, le programme prend en entrée un jeu de données d'apprentissage et génère une instance Partiel Max-Sat correspondante au format standard wcnf.

Plateforme d'apprentissage et de ressources pédagogiques dédiée à la programmation récursive en NSI (Numérique et Sciences Informatiques). Propose des activités interactives et des cours pour faciliter l'apprentissage de ce concept clé.

Ce projet fournit un tutoriel d'utilisation des services dans ROS (Robot Operating System). Il est extrait du livre « ROS Robot Programming, From the basic concept to practical programming and robot application » et a pour but de faciliter l'apprentissage de la programmation de robots avec ROS en démontrant l'utilisation de services dans des applications robotiques.

Ce projet concerne le chapitre 1 d'un ensemble de programmes dédiés à l'apprentissage algorithmique et aux réseaux de neurones. Il propose des exemples de classification d'images à l'aide de différentes librairies, telles que neuralnet, Keras et torch, ainsi qu'une régression pénalisée (Lasso).

MML-regression est un langage de programmation dédié à la régression multi-machines. Il permet de définir des modèles de régression, de configurer les algorithmes d'apprentissage, de spécifier les données d'entrée et de valider et évaluer les modèles.