Le projet python-l1 est une solution dédiée à la gestion et l'analyse de données financières. Il permet d'importer, de structurer et d'analyser des données provenant de différentes sources, telles que des relevés de compte ou des extractions de données bancaires. Grâce à des algorithmes avancés de détection de fraude et de tendances, il offre une visibilité accrue sur les opérations financières et aide les utilisateurs à prendre des décisions éclairées.

Corr_matrixpi est un projet permettant le calcul et l'analyse de matrices de corrélations pour des données financières à grande échelle. Il permet de détecter des tendances et des corrélations dans les données, facilitant ainsi la prise de décision financière.

Le projet ban-data vise à fournir une plateforme d'analyse et de gestion de données géospatiales, en particulier dans le domaine de l'urbanisme. Il permet de détecter des patterns et tendances dans les données, ainsi que de gérer les données relatives à l'urbanisme.

Ce projet aide les organisations à gérer les plaintes relatives aux droits du travail, à suivre les interactions avec les autorités et à analyser les données pour détecter des tendances. Il offre une interface conviviale pour enregistrer et suivre les plaintes, ainsi que des fonctionnalités d'analyse de données pour aider à identifier les problèmes courants et les tendances.

Le projet nitrates_zar vise à surveiller et à analyser la teneur en nitrates dans l'eau en collectant et en traitant des données environnementales. Il permet de détecter les tendances et les variations des nitrates, contribuant ainsi à une meilleure compréhension de l'état des ressources en eau.

Le projet nitrates_zar vise à surveiller et à analyser la teneur en nitrates dans l'eau en collectant et en traitant des données environnementales. Il permet de détecter les tendances et les variations des nitrates, contribuant ainsi à une meilleure compréhension de l'état des ressources en eau.

Courbes_eau est un projet utilisant Vue.js pour afficher des données sur la qualité de l'eau dans différents cours d'eau. Il permet de visualiser les tendances actuelles et historiques, ainsi que de détecter rapidement les variations anormales.

Le projet AMI IA 2 de la DGE SISSE vise à développer des outils d'analyse de données pour les politiques publiques, notamment pour la détection de fraudes et le suivi des tendances du marché.

Le projet sbip2 est une application web qui vise à fournir une plateforme d'analyse et de visualisation de données pour différents cas d'utilisation métiers. Il permet de représenter les données sous forme de graphiques, de tableaux et de cartes, et offre des fonctionnalités avancées telles que la détection de tendances, l'analyse de séries temporelles et la prévision de données.

Le projet Sashimi est une méthodologie introduite dans l'article "Domain-topic models with chained dimensions: Charting an emergent domain of a major oncology conference" qui emploie la bibliothèque python sashimi. Il fournit une analyse de données médicales, la détection de tendances dans les conférences médicales et la visualisation de données oncologiques.