Le projet SMT-CCAM_owl est une application dédiée à la gestion de la nomenclature CCAM (Classification Commune des Actes Médicaux). Il permet de créer et gérer des actions et procédures médicales, de les associer à des activités et phases, et de gérer les incompatibilités et modalités d'accès.

Ce projet est un jeu basé sur la visualisation de la préhension de la main avec une communication avec des gants Arduino équipés de moteurs permettant un retour haptique. La communication avec les gants s'effectue via un port COM. Le jeu nécessite le résultat d'un classificateur qui est reçu par LSL à partir d'OpenViBE. Il est utilisé dans un protocole de rééducation post-AVC simplifié avec de nombreux éléments automatisés.

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.

L'équipe de communication de scikit-learn est responsable de la sensibilisation et de la communication pour le projet. Elle aide à partager les nouvelles fonctionnalités, les mises à jour importantes des pull requests et les réalisations des contributeurs sur les réseaux sociaux.

Le projet Communication permet l'échange de données en temps réel entre différents systèmes, en intégrant des protocoles tels que VRPN, OSC et ZMQ. Il offre une solution flexible et adaptable pour les applications nécessitant une communication fiable et efficace.

Ce projet développe des modèles d'intelligence artificielle pour classifier des IRM cérébrales en distinguant des états comateux et non-comateux. Il compare les performances de plusieurs architectures de réseaux de neurones profonds (comme LeNet17) et applique des techniques de transfert d'apprentissage pour améliorer la précision des diagnostics. Les résultats sont utilisés pour soutenir la recherche médicale et l'analyse automatisée d'images médicales.

Ce projet est un classificateur automatique de données textuelles basé sur des modèles de langage (LLMs). Il permet de catégoriser et d'analyser le sens de texte brut pour faciliter le tri et le traitement de grandes quantités de données.

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 amélioré par des caractéristiques pour la classification des relations discursives dans plusieurs langues. Il s'appuie sur des données issues de tâches partagées en linguistique computationnelle pour analyser et catégoriser les liens entre les unités de discours. L'objectif est d'améliorer la compréhension automatique des textes en identifiant les relations sémantiques et structurelles, notamment dans des contextes multilingues.

Florilège est une plateforme française dédiée à l'annotation participative de Ressources Éducatives Libres (RELs). Elle permet aux utilisateurs de contribuer à la description, à l'enrichissement et à la classification de contenus pédagogiques ouverts. Le projet facilite la découverte et la réutilisation de ressources éducatives en offrant des outils collaboratifs pour l'ajout de métadonnées, de mots-clés et de commentaires, favorisant ainsi une communauté éducative engagée dans le partage de savoirs.