Ce projet est un dépôt dédié à l'étude de modèles multimodaux pour la classification zeroshot. Il permet d'utiliser de manière simple différents modèles multimodaux et d'en ajouter facilement de nouveaux. Le module offre également la possibilité d'évaluer ces modèles sur des jeux de données multimodaux en s'appuyant sur plusieurs métriques.

Le projet benchmark-green-it fournit des scripts permettant de comparer différents traitements de données brutes en vue d'obtenir des estimations de consommation énergétique. Il s'agit d'un outil d'aide à la décision pour les entreprises et les particuliers souhaitant réduire leur empreinte carbone.

Ce projet vise à benchmarker différentes méthodes de détection de graines dans des réseaux biologiques. Il permet d'importer et de traiter des données de réseaux biologiques, ainsi que d'analyser la précision de différents algorithmes de détection de graines.

Ce projet vise à optimiser le stockage de données en évaluant les performances de différentes solutions de stockage et en déployant les plus adaptées. Il permet de garantir une gestion efficace et performante des données, tout en s'adaptant aux besoins spécifiques de chaque utilisateur.

Ce projet vise à développer des ontologies et des règles pour évaluer la sémantique et comparer des ontologies expressives dans le domaine de la représentation de connaissances 3D. Il permettra d'améliorer l'interopérabilité et la réutilisation des données 3D dans différentes applications.

Outil permettant de lancer automatiquement des benchmarks de consommation et de performance sur des algorithmes et jeux de données variés, en utilisant les travaux du groupe GreenML.

Io-benchmarks est un projet visant à mesurer et évaluer les performances des opérations d'entrées/sorties de différentes solutions de stockage. Il permet d'analyser le débit de données et de comparer les résultats obtenus pour chaque solution testée.

Ce projet fournit des implémentations de pipelines de segmentation et des méthodes d'évaluation de la segmentation pour des données d'imagerie confocale en 3D. Il est utilisé dans l'article "Benchmarking of deep learning algorithms for 3D instance segmentation of confocal image datasets".

Ce projet permet de simuler et d'analyser le comportement de systèmes complexes en utilisant des méthodes numériques avancées. Il offre des fonctionnalités pour définir des conditions initiales, nettoyer des données, répartir des objets et calculer des solutions approchées.

Ce projet vise à comparer sept plateformes de séquençage, couvrant les technologies de deuxième génération à lecture courte (Illumina Hiseq300, DNBSEQ-G400, DNBSEQ-T7, Ion S5 et Ion Proton P1) et de troisième génération à lecture longue (Oxford Nanopore Technologies MinION et Pacific Biosciences PacBio). Trois communautés microbiennes synthétiques composées de jusqu'à 87 espèces microbiennes par mock et couvrant 29 phyla ont été utilisées pour l'évaluation. Les outils tels que fastp, AlienTrimmer, bowtie2, minimap2, SPAdes, metaFlye, metaquast et Python3 ont été utilisés pour le traitement et l'analyse des données.