Le projet smmR est un package R dédié à l'estimation et la simulation de processus semi-Markov discrets. Il permet de définir des chaînes de Markov discrets avec des lois de sojourn paramétriques ou non, et de les estimer à partir de données observées. Les méthodes implementées sont décrites dans plusieurs articles scientifiques.

Le projet PSI3 (Perfect SImulator for Markov chains) est une application permettant de simuler des chaînes de Markov et d'analyser des processus stochastiques. Il permet aux utilisateurs de prédire les comportements probabilistes de systèmes complexes en définissant des états et des transitions entre ces états.

AnoMark est un outil d'analyse de données de commandes permettant de détecter des comportements anormaux en utilisant des techniques de NLP et de chaînes de Markov. Il permet de former des modèles à partir de données textuelles considérées comme propres et de les utiliser pour détecter des commandes anormales dans d'autres jeux de données.

Le package R bever est un outil dédié aux approches bayésiennes en modélisation d'événements extrêmes, avec un focus sur l'inférence de chaînes de Markov Monte-Carlo. Il ne met pas en œuvre directement l'estimation bayésienne ou l'inférence de tout modèle d'événements extrêmes, qui sont laissées à la discrétion du package revdbayes ou d'autres samplers MCMC tels que JAGS ou Stan. L'objectif de bever est de produire des résultats ou des graphiques classiques tels que des tableaux de retour ou des graphiques.

MarmoteCore est un environnement C++ permettant la modélisation avec des chaînes de Markov. Il propose un ensemble réduit d'abstractions de haut niveau pour construire des espaces d'états, des structures de transition et des chaînes de Markov (discrètes et continues).

Le projet codadiags est un package R dédié à l'analyse de données statistiques, plus spécifiquement à la simulation de chaînes de Markov. Il permet aux utilisateurs de générer des échantillons représentatifs et d'estimer les paramètres de distributions complexes.

Active Exploration for Neural Global Illumination of Variable Scenes est un projet qui introduit une méthode d'exploration active utilisant Markov Chain Monte Carlo pour explorer l'espace des possibilités de données d'entraînement, en générant des échantillons qui aident le mieux à l'entraînement et en intercalant l'entraînement et la génération de données d'échantillonnage sur demande. Ce projet s'applique à un générateur neuronal qui apprend à rendre des instances de scènes nouvelles données une paramétrisation explicite de la configuration de la scène.

Outil d'analyse de mouvements oculaires pour la segmentation de phases dans des tâches de lecture, utilisant des chaînes de Markov cachées.

Librjmcmc est une bibliothèque de optimization stochastique basée sur les chaînes de Markov Monte Carlo réversibles saut avec annealing simulé. Il est conçu pour être utilisé dans des applications de modélisation spatiale.

Librjmcmc4s est une bibliothèque Scala pour l'optimisation stochastique basée sur des chaînes de Markov réversibles couplées avec l'annealing simulé. Il s'agit de la version Scala de librjmcmc.