Ce projet utilise l'apprentissage profond pour analyser les données génomiques et inférer l'histoire de la taille de population. Il est basé sur le papier "Deep learning for population size history inference: design, comparison and combination with approximate Bayesian computation" et fournit une implémentation PyTorch de l'architecture SPIDNA avec la plus faible erreur de prédiction.

Ce projet est un modèle d'apprentissage profond capable de traiter des images et d'en extraire des informations utiles. Il utilise des algorithmes de deep learning pour détecter et classifier des formes, des objets ou des caractères spécifiques dans des images.