Ce projet propose des ressources pédagogiques pour une formation en intelligence artificielle et apprentissage automatique. Il inclut des supports de cours sous forme de diapositives, des exercices pratiques sous forme de notebooks Jupyter, et des exemples concrets pour illustrer les concepts clés comme les réseaux de neurones, les modèles de classification et l'analyse de données. Destiné aux étudiants et professionnels, il facilite l'apprentissage interactif et collaboratif.

Projet collaboratif entre PTrans et TagLabs visant à simplifier des modèles 3D au format STEP, couramment utilisés en conception assistée par ordinateur (CAO). L'outil identifie et regroupe les pièces similaires pour réduire la complexité et le poids des fichiers, facilitant ainsi leur visualisation et leur analyse dans des environnements 3D. Plusieurs stratégies de classification sont proposées pour adapter la simplification selon les besoins.

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.

FILINO est un programme développé pour automatiser le calcul des limites Terre/Eau sur différents types d'objets, tels que la mer, les plans d'eau, les canaux et les grands cours d'eau. Il utilise des données Lidar classifiées et crée des points virtuels numérotés en fonction des types d'objets traités. L'ajout de ces points aux données Lidar initiales améliore la qualité du Modèle Numérique de Terrain (MNT) final, en particulier pour les inondations.

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 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.

Projet dédié à l'analyse automatisée du comportement de larves de drosophile. Il permet de classifier des séquences temporelles de mouvements en catégories comportementales précises (comme courir, se rouler, s'arrêter) à l'aide de modèles d'apprentissage automatique. Le système génère également des représentations vectorielles des données pour des analyses comparatives ou des visualisations.