Ce projet est une formation en présentiel de 7 heures destinée aux sciences humaines et sociales. Il couvre les bases du langage Python, l'installation et la recherche de bibliothèques, l'utilisation de la bibliothèque Pandas pour manipuler des données, et des exemples d'usages un peu plus avancés. L'objectif est de se doter des compétences pour identifier les usages possibles et de poser les bases de l'autonomie dans l'apprentissage.

Ce projet est une plateforme d'apprentissage de la programmation et des concepts algorithmiques de base, en utilisant le langage Python et Blockly Games. Il suit la progression de France-IOI, niveau 1, et propose des exercices et des défis pour aider les apprenants à comprendre les concepts fondamentaux de la programmation.

Ce projet concerne le développement d'un outil d'apprentissage automatique basé sur le langage de programmation Python. Il s'appuie sur la bibliothèque scikit-learn pour offrir des fonctionnalités de préparation de données, de sélection et d'application d'algorithmes de machine learning, ainsi que d'évaluation des performances des modèles prédictifs.

La plateforme X5GON Learning Analytics Machine (LAM) est capable de traiter des collections de ressources pédagogiques ouvertes (OER) en plusieurs langues. Elle fournit des analyses sur l'utilisation des ressources pédagogiques à travers différentes langues et cultures. L'API LAM de X5GON est une API Web Flask Python REST qui offre une documentation Swagger automatiquement générée pour tester les points de terminaison directement sur une belle page Web. Les points de terminaison permettent d'accéder et de récupérer les analyses de contenu effectuées sur les OER basées sur les modèles d'apprentissage automatique implémentés et testés sur le corpus X5gon composé de différentes OER collectées par le pipeline.

Ce package facilite l'obtention de données multimédia à partir de la base de données GBIF pour une utilisation dans des tâches de classification en apprentissage automatique. Il enveloppe l'API GBIF et prend en charge la requête directe de l'API pour obtenir et télécharger une liste d'URLs. Il fournit également un téléchargeur efficace qui utilise des modules asyncio Python pour accélérer le téléchargement de nombreux petits fichiers.

Projet d'analyse de données scientifiques utilisant l'apprentissage profond pour la reconnaissance d'images. Il permet de suivre l'entraînement des modèles et de comparer leurs performances. Le projet est basé sur Python et utilise des bibliothèques telles que Pandas, PyTorch, TensorFlow, et MLflow.

BioPyC est une plateforme open-source Python permettant aux utilisateurs de lire, filtrer, classer et évaluer les performances de signaux EEG et physiologiques hors ligne. Il offre une interface unique pour créer rapidement des modèles d'apprentissage machine et comparer les classificateurs basés sur des signaux EEG et physiologiques sans codage.

Ce projet est un tutoriel sur l'apprentissage de réseaux de neurones et l'optimisation de fonctions différentiables à l'aide de PyTorch. Il couvre les bases de Python, la manipulation de tenseurs, l'automatic differentiation, et l'apprentissage automatique.

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.

Espace de documentation de la mission interministérielle pour l'apprentissage, présentant l'objet, les finalités, l'équipe et l'écosystème d'intervention de la mission.