Ce module Puppet permet de gérer le cycle de vie complet des fichiers archives : téléchargement depuis diverses sources (HTTP, FTP, S3, Google Cloud Storage, etc.), vérification des checksums pour garantir l'intégrité, extraction automatique des contenus, et nettoyage des fichiers temporaires après utilisation. Il simplifie le déploiement de logiciels ou de données en automatisant des tâches complexes et répétitives, tout en offrant des options de personnalisation pour s'adapter à différents environnements techniques.

Darfix est une bibliothèque Python dédiée à l'analyse de données issues de la microscopie à champ sombre. Elle propose des techniques avancées de vision par ordinateur pour traiter et interpréter ces données. Le projet inclut également une interface graphique et un module complémentaire pour Orange3, permettant aux utilisateurs de concevoir des workflows analytiques de manière intuitive. Destiné principalement aux chercheurs et scientifiques, il facilite l'extraction d'informations pertinentes à partir d'images complexes.

Ce projet vise à extraire et structurer des données issues de sources comme le système Sitadel, notamment pour le CRC (Centre de Ressources et de Compétences). Il permet de centraliser des informations administratives ou techniques afin de faciliter leur analyse, leur traitement automatisé et leur exploitation par des outils métiers ou des systèmes d'information. L'objectif est d'améliorer l'efficacité des processus internes et de réduire les erreurs liées à la saisie manuelle.

Ce projet vise à automatiser l'extraction et la synthèse de modèles de fonctionnalités à partir de récits utilisateurs. Il utilise des techniques avancées de traitement automatique du langage et d'analyse de données pour transformer des descriptions textuelles en modèles structurés, facilitant ainsi la compréhension et la conception de systèmes logiciels.

Ce projet propose des ressources pédagogiques et des fichiers pratiques dédiés à l'apprentissage des techniques d'extraction et d'analyse de texte. Il s'adresse principalement aux étudiants et professionnels souhaitant se former aux méthodes de text mining dans le cadre de l'intelligence artificielle. Les contenus incluent des jeux de données, des exercices guidés et des outils pour manipuler des corpus textuels.

Ce projet propose des ressources pédagogiques et des outils pour maîtriser les techniques de data mining probabiliste. Il couvre les fondements théoriques et pratiques des méthodes statistiques appliquées à l'extraction de connaissances dans les données. Destiné aux étudiants, chercheurs et professionnels, il facilite l'apprentissage des algorithmes probabilistes et leur implémentation.

Projet développé pour le Challenge 2 du Hackathon 2024 co-organisé par le PEReN et la Commission Européenne. Il permet d'analyser et de répondre automatiquement à des questions posées sur des documents réglementaires en utilisant des modèles de langage avancés et des techniques de recherche d'informations. L'objectif est d'améliorer l'efficacité des processus administratifs en automatisant l'extraction et la synthèse de données juridiques.

Le projet dataESR vise à collecter, traiter et analyser des données relatives à l'enseignement supérieur et à la recherche en France. Il s'appuie sur des techniques d'extraction de données à partir de sources variées (web scraping, API, etc.), de traitement automatisé de données textuelles (NLP, SPARQL) et de visualisation de réseaux de relations (Neo4j).

Module outil dédié aux routines scientifiques et techniques pour le projet DOCKS. Il facilite la conversion de formats temporels, l'extraction d'éphémérides et la manipulation de données dans le format CIC. Utilisé principalement dans le domaine de l'astronomie et de l'astrophysique, il est développé par l'Observatoire de Paris et PSL Université.

Ce projet permet d'automatiser la collecte et l'analyse de données issues de sites web à l'aide de modèles de langage. Il facilite l'extraction ciblée d'informations structurées ou non, en exploitant des techniques de scraping combinées à des capacités d'intelligence artificielle pour traiter et interpréter les contenus récupérés.