COmparaison de CLassIfication par rapport à une référence COmmune (COClico) est un outil en cours de développement permettant de comparer les résultats de deux processus de classification de données LiDAR par rapport à une classification de référence. Les résultats sont comparés par le calcul de plusieurs métriques, dont sont ensuite tirés des scores compris entre 0 et 1. Ces métriques sont calculées de façon indépendante pour chaque classe mentionnée dans un fichier de configuration.

Ce projet permet de gérer des cartes de collection pour un jeu ou une activité ludique. Il offre des fonctionnalités pour suivre les joueurs, calculer leurs scores, organiser des équipes et gérer les transactions entre utilisateurs. Les cartes peuvent être mises en vente ou échangées, et un système de classement permet de suivre les performances des participants.

Ce projet est un serveur backend dédié à l'application Seven Wonders, un jeu de société stratégique. Il gère les parties en ligne, les interactions entre joueurs, le calcul des scores et les classements. Le serveur permet également de simuler les mécaniques du jeu et de stocker les données des utilisateurs pour une expérience de jeu fluide et centralisée.

Outil algorithmique conçu pour calculer le score de comorbidité d'Elixhauser à partir des données PMSI MCO du SNDS. Il identifie 31 catégories de comorbidités via des codes CIM-10, applique des pondérations spécifiques (brut, AHRQ, van Walraven) et génère des classes de risque (faible à très élevé). Destiné aux professionnels de santé et chercheurs, il facilite les analyses épidémiologiques, les études médico-économiques et les modèles prédictifs, notamment pour la mortalité hospitalière.

Cette API permet de gérer la soumission des résultats d'un hackathon, de calculer les scores des participants et d'afficher un classement dynamique. Elle offre également une protection des données sensibles via des clés API pour accéder aux informations finales. Le projet facilite l'organisation et le suivi des performances des équipes participantes.

Ce projet permet d'analyser des réseaux complexes en identifiant les nœuds influents et les relations entre eux. Il est particulièrement utile pour comprendre la structure des données relationnelles comme les réseaux sociaux, les pages web ou les interactions entre utilisateurs. L'outil calcule des scores de centralité et de classement pour évaluer l'importance des éléments dans un graphe.

Ce projet développe une méthode pour classer les modèles d'IA conversationnelle utilisés dans le comparateur public compar:IA. Il calcule des scores de performance basés sur les réactions et votes des utilisateurs, tout en estimant leur consommation énergétique. Une interface graphique permet de visualiser l'évolution des matchs entre modèles et d'analyser les résultats selon différents critères, incluant une pondération écologique.

Ce projet scientifique vise à améliorer la compatibilité des greffes en calculant un score basé sur les différences structurales entre les allèles HLA de classe I d'un donneur et d'un receveur. Il modélise les allèles HLA à partir de données biologiques, superpose ces structures pour obtenir un score de différence (rmsd), et propose un outil pour évaluer la pertinence des greffes. Les résultats sont utilisés pour affiner les choix médicaux et augmenter les chances de succès des transplantations.

This project is an entry in the Google Hash Code competition. It consists of optimizing engineering problems, specifically the placement of buildings on a square map. The team, Team R, has developed a strategy for placing buildings based on their capacity and type, and has implemented this strategy using the Python programming language. The project includes code for extracting data from input files, creating building classes, and calculating scores. The team has also created a video explaining the project and the strategies used.

Outil spécialisé dans l'évaluation et la classification de structures protéiques complexes. Il calcule des métriques d'assessment couramment utilisées en biologie structurale, comme les scores CAPRI, DockQ et l-DDT. Permet de valider la qualité des modèles de docking moléculaire pour des complexes impliquant peptides, acides nucléiques ou oligosaccharides, en fournissant une analyse quantitative et une classification selon des critères standardisés.