Caffe est un framework open source dédié à la programmation d'algorithmes d'apprentissage profond. Il permet aux chercheurs et développeurs de concevoir, entraîner et déployer des modèles de réseaux de neurones pour des tâches comme la classification d'images, la reconnaissance visuelle ou le traitement du langage. Utilisé dans la recherche académique et industrielle, il offre des outils pour optimiser les performances et faciliter l'expérimentation en intelligence artificielle.

Ce projet académique vise à concevoir et entraîner des modèles de machine learning pour résoudre des problèmes complexes en analyse de données. Il s'appuie sur des jeux de données variés pour développer des algorithmes capables de prédire des tendances, classifier des informations ou optimiser des décisions. Destiné principalement aux chercheurs et étudiants, il facilite l'expérimentation et l'innovation dans le domaine de l'intelligence artificielle.

Ce projet concerne le code et les expérimentations pour le papier intitulé "Successor Feature Neural Episodic Control". Il s'agit de recherches en intelligence artificielle, de développement d'algorithmes d'apprentissage et d'expérimentations en contrôle optimal.

PIAF ML est un projet open source porté par le Lab IA d'Etalab, visant à moderniser les services publics français grâce à l'intelligence artificielle. Il propose une solution de question-réponse en français facilement déployable, permettant aux administrations de répondre automatiquement aux questions des citoyens. Le projet inclut des outils pour préparer des bases de connaissances, évaluer les performances des modèles et expérimenter différentes approches avant leur mise en production.

Le projet ami-ia vise à accompagner les administrations publiques dans des projets d'expérimentation de l'intelligence artificielle. Il propose des ressources, des ateliers et des bonnes pratiques pour la communauté AMI IA.

EvalAP est une plateforme publique dédiée à l'évaluation des modèles d'intelligence artificielle, notamment les grands modèles de langage (LLM). Elle permet aux institutions publiques comme Etalab de mesurer et comparer les performances de différents modèles d'IA. La plateforme propose une interface utilisateur pour explorer les jeux de données, les métriques et les résultats d'expérimentations, ainsi qu'une API pour automatiser les évaluations. Elle facilite la transparence et l'amélioration continue des outils d'IA utilisés par l'administration.

Ce projet développe des réseaux de neurones artificiels homogènes pour étudier et simuler des architectures neuronales complexes. Il vise à améliorer la compréhension des mécanismes d'apprentissage et d'adaptation dans les systèmes intelligents. Les applications potentielles incluent la robotique, l'analyse de données et la modélisation cognitive. Le code est open source et collaboratif, permettant aux chercheurs et développeurs d'expérimenter et de contribuer aux avancées en IA.

Ce projet vise à développer des outils d'intelligence artificielle pour analyser des données complexes issues de recherches scientifiques ou industrielles. Il permet de modéliser des scénarios prédictifs, d'automatiser des analyses répétitives et d'optimiser des processus expérimentaux. Les solutions proposées s'appuient sur des algorithmes avancés pour extraire des insights pertinents et accélérer la prise de décision dans des environnements techniques ou académiques.

Projet open source dédié à la simulation et à l'analyse de structures cristallines et de matériaux. Il permet aux chercheurs et ingénieurs de modéliser des matériaux, prédire leurs propriétés et analyser des données expérimentales. Utilisé dans des domaines comme la chimie, la physique des matériaux et l'intelligence artificielle pour accélérer la recherche et l'innovation.