Ce projet développe un système embarqué de classification automatique des sons urbains pour mesurer et analyser la pollution sonore. À partir d'enregistrements audio de dix secondes, il identifie huit types de sources sonores (moteurs, machines, voix humaines, etc.) et permet aux autorités municipales de mieux cibler leurs actions contre les nuisances sonores. Le système est conçu pour être déployé sur des capteurs connectés dans une ville, offrant une surveillance continue et objective des niveaux de bruit.

Le projet MML-classification permet de définir des modèles de machine learning à des fins de classification, en spécifiant des jeux de données d'entrée et en configurant des algorithmes de classification. Il offre également des options de validation croisée.

Ce projet développe un modèle de classification des formes cliniques de sclérose en plaques à partir d'images d'IRM T1w. Il utilise des réseaux de neurones convolutifs graphiques pour analyser la connectivité morphologique cérébrale. Les données extraites d'atlas cérébraux sont exploitées pour améliorer la précision diagnostique et soutenir la recherche médicale dans le domaine des maladies neurodégénératives.

Ce projet consiste en un catalogue de notebooks d'entrée de gamme dédié à la formation de professionnels de santé. Il permet la classification de médicaments et l'analyse de données médicales.