EPeak est un workflow snakemake-based pour l'analyse de données ChIP-seq/CUT&RUN/CUT&Tag à partir de fichiers FASTQ bruts. Il permet de streamliner des étapes critiques telles que l'évaluation de la qualité de l'immunoprécipitation à l'aide de la corrélation croisée et la comparaison des réplicats pour les pics étroits et larges. Pour l'analyse différentielle, ePeak fournit des méthodes linéaires et non linéaires pour la normalisation entre échantillons ainsi que des modèles conservateurs et stricts pour l'estimation de la variance et le test de la significativité des différences observées.

Ce projet vise à analyser les données épidémiologiques de la première vague de Covid-19 à Wallis et Futuna et à estimer les taux d'hospitalisation en fonction de l'âge et de la présence de comorbidités. Il permet également de modéliser l'impact de différents scénarios sur l'évolution de l'épidémie.

Ce projet utilise des algorithmes de deep learning pour inférer la forme 3D de la colonne vertébrale à partir de données de profondeur. Il permet la détection et l'estimation de la courbure de la colonne vertébrale, ainsi que la reconstruction 3D de celle-ci. Il a été testé avec succès sur des données de patients et de mannequins.

Ce module est destiné aux scientifiques souhaitant s'approprier les bases de la statistique descriptive et inférentielle. Il vise une initiation à la résolution de problème par une approche stochastique. Les concepts d'analyse des données, d'estimation et tests, d'analyse de la variance et de régression seront abordés d'un point de vue pratique.

Ce projet contient le code R utilisé pour construire et évaluer les modèles décrits dans une publication SIGMOD. Il inclut des répertoires avec le code pour l'analyse des résultats de méthodes originales, les données brutes pour l'entraînement et les tests des modèles d'estimation, ainsi que des exemples de visualisation et d'expérimentation.

Ce projet consiste en l'estimation de la position d'un appareil (téléphone ou tablette) par rapport à un support d'origine. Il utilise des aimants et des capteurs de Hall autour d'un axe, entrainé par un fil. Le dépôt contient le sujet du projet, des photos de prototypes et de tests, ainsi que des fichiers 3D des prototypes.

Le projet depth-estimation est un dépôt de code source dédié à l'estimation de profondeur à partir d'images, dans le contexte de la robotique. Il s'appuie sur ROS (Robot Operating System) pour la gestion des topics et la communication entre les différents modules.