Atelier pédagogique dédié à l'apprentissage automatique et à l'analyse de données. Il propose des tutoriels pratiques pour maîtriser les bibliothèques Python comme pandas et scikit-learn. Destiné aux débutants et aux professionnels souhaitant se former aux techniques de data science. Les participants peuvent exécuter des notebooks interactifs pour manipuler des jeux de données et construire des modèles prédictifs.

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 ressource pédagogique destinée à initier les participants à la bibliothèque Matplotlib, un outil Python largement utilisé pour créer des visualisations de données. Il propose des exemples pratiques couvrant la création de figures, l'utilisation des couleurs, les différents types de graphiques et la gestion des annotations. L'objectif est de faciliter l'apprentissage des bases de la visualisation de données pour des applications scientifiques ou analytiques.

GAMA-Gymnasium est une bibliothèque open source qui permet d'utiliser des simulations créées avec la plateforme GAMA comme des environnements d'apprentissage par renforcement. Elle agit comme un pont entre les modèles multi-agents de GAMA et les algorithmes d'IA développés en Python, notamment via l'écosystème Gymnasium. Destinée aux chercheurs et développeurs, elle simplifie l'intégration de simulations complexes dans des workflows d'IA pour des applications variées comme la robotique, l'urbanisme ou l'écologie.

Bibliothèque Python dédiée à la modélisation, la simulation et l'analyse de systèmes robotiques. Elle permet aux ingénieurs, chercheurs et étudiants de concevoir, tester et optimiser des robots virtuels sans matériel physique. Facilite l'apprentissage des concepts robotiques et accélère le prototypage de solutions robotisées.

Ce projet pédagogique propose des ressources éducatives pour l'apprentissage de la programmation scientifique avec Python. Il inclut des cours théoriques et des travaux pratiques axés sur l'utilisation de la bibliothèque NumPy, essentielle pour manipuler des tableaux multidimensionnels et effectuer des calculs numériques. Destiné aux étudiants, il vise à renforcer les compétences en algorithmique et en analyse de données.

Ce projet propose des tutoriels interactifs pour apprendre à analyser des données avec les bibliothèques NumPy et pandas en Python. Destiné aux débutants et étudiants, il couvre les bases de la manipulation de données, la visualisation et des exercices pratiques. Les notebooks sont conçus pour être exécutés dans des environnements comme Google Colab ou Binder, facilitant l'apprentissage autonome.

Ce projet est un support de cours et de travaux pratiques destiné à l'apprentissage de la bibliothèque numpy en Python. Il s'adresse principalement aux étudiants ou apprenants souhaitant maîtriser les bases du calcul scientifique et de l'analyse de données. Le contenu est structuré pour faciliter la compréhension des concepts clés et leur application pratique.

Ce projet propose un cours d'introduction au traitement de données, conçu pour initier les participants aux bases de la science des données. Il inclut la création d'un environnement virtuel Python dédié, l'utilisation de notebooks Jupyter interactifs et l'exploration de bibliothèques essentielles comme NumPy, Pandas ou Matplotlib. Destiné aux débutants, il facilite l'apprentissage pratique sans nécessiter de connexion internet.

Scikit-fda est une bibliothèque Python dédiée à l'analyse de données fonctionnelles (FDA). Elle permet aux chercheurs et data scientists de manipuler, visualiser et modéliser des données sous forme de fonctions continues, comme des courbes ou des signaux. Intégrée à l'écosystème scientifique Python, elle facilite l'application de méthodes statistiques et d'apprentissage automatique adaptées à ce type de données.