Re-BERT est un projet d'extraction de relations entre entités dans du texte, utilisant différents types de modèles BERT. Il permet de détecter et d'extraire des relations spécifiques entre des entités nommées, telles que des personnes, des organisations ou des lieux, dans des données textuelles. Re-BERT est particulièrement utile pour l'analyse de données biomédicales, où il peut aider à identifier des relations entre des molécules, des gènes ou des maladies.

Le projet pubmed-utils fournit des scripts utilitaires pour manipuler des fichiers XML PubMed, facilitant ainsi l'extraction et l'analyse de données médicales et de littérature scientifique.

LidaRtRee est un package R dédié à l'analyse de données laser aéroportées pour la détection et la caractérisation d'objets forestiers. Il permet la co-enregistrement de parcelles de terrain avec des données LiDAR, la détection et le segmentation des arbres, le calcul de paramètres forestiers avec une approche basée sur la surface, et l'extraction de caractéristiques physiques et statistiques utiles pour la modélisation de l'habitat ou la cartographie de la maturité forestière.

Ce projet est un cadre Python qui permet d'identifier et de classer les tweets liés aux crises en fonction de leur informativité. Il utilise des algorithmes de classification et de regroupement de texte pour extraire les tweets les plus pertinents et les classer en fonction de leur similarité sémantique avec un lexique de crise.

Application permettant le téléchargement de données géospatiales à partir de services web OGC (WFS et WCS). Les extractions sont planifiées et gérées par des utilisateurs administrateurs. L'application envoie des emails aux utilisateurs pour les informer de l'état de leur demande.

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.

Plateforme d'assistance et d'outils dédiés à la gestion des effectifs et des activités pour les juridictions administratives. Elle propose des calculatrices, des extracteurs de données, des guides utilisateurs et des ressources pour faciliter la prise de décision, la simulation de scénarios et l'analyse des indicateurs. Destinée aux agents publics, elle centralise des outils métiers pour optimiser l'organisation et le pilotage des services.

Le NeuroCorgi-SDK est un SDK permettant d'utiliser le modèle NeuroCorgi dans vos applications de détection d'objets, de segmentation d'instances et de classification en tant qu'extracteur de fonctionnalités. Ce SDK est développé dans le cadre du projet Andante. Le SDK fournit des versions du circuit NeuroCorgi qui peuvent simuler le comportement des modèles sur puce. Deux versions ont été conçues à partir d'un MobileNetV1 entraîné et quantifié en 4 bits en utilisant la méthode SAT dans N2D2 : l'une avec l'ensemble de données ImageNet et l'autre avec l'ensemble de données Coco.

Le projet Gildas est un conteneur Docker basé sur Debian Bullseye qui permet d'exécuter l'application Gildas avec son interface graphique. Il est utilisé pour l'analyse de données scientifiques en astronomie, en particulier pour l'extraction de données à partir de cubes astronomiques. Le conteneur inclut des scripts pour extraire des données à partir de datacube pour des tests. Il permet de monter deux volumes : /data pour les données scientifiques et /maps pour les scripts .map de Gildas.

Pathways est un système d'exploration de chemins d'entités qui permet d'afficher l'ensemble des connexions entre deux types d'entités, telles que des personnes, des lieux, des organisations, des adresses électroniques, etc. Il a été développé sur la base du projet Abstra et est organisé en différents modules : le cœur du système, les jeux de données utilisés dans la section des expériences, les scripts utilisés pour la section des expériences et les scripts Python utilisés pour le prétraitement des données et l'extraction d'entités nommées.