Ce projet propose une formation en apprentissage automatique appliquée aux sciences environnementales et au secteur énergétique. Il utilise des notebooks Python pour enseigner l'analyse de données climatiques et énergétiques, en combinant méthodes statistiques traditionnelles et techniques avancées de machine learning. Les étudiants apprennent à extraire des motifs pertinents, modéliser des relations entre variables et prédire des tendances pour prendre des décisions éclairées dans des contextes environnementaux concrets.

Ce projet est le code source du module 2 d'un parcours de formation à R dédié au pôle ministériel MTES-MCTRCT. Il vise à donner aux apprenants les compétences nécessaires pour préparer des données en vue d'analyses statistiques, en les explorant, les comprenant, les structurant et les enrichissant avec des données externes.

PIAF (Pour une IA Francophone) est un projet public français porté par Etalab, visant à construire un jeu de données de questions-réponses en français, similaire au format SQuAD. Le projet utilise un sous-ensemble de Wikipedia en français, sélectionné via un algorithme de PageRank, puis enrichi par une communauté via une plateforme d'annotation. Les données générées sont analysées pour produire des statistiques lexicales et syntaxiques, facilitant ainsi l'entraînement de modèles d'IA francophones.

Ce projet académique développe des outils pour manipuler des polyèdres en trois dimensions. Il permet de les représenter, les importer et exporter depuis des fichiers au format OBJ, et de les décomposer en composantes connexes pour une analyse structurelle. Les algorithmes implémentés facilitent l'étude des propriétés géométriques et topologiques des modèles 3D, avec une approche modulaire et optimisée pour la gestion dynamique de la mémoire.

Ce projet propose une formation complète sur le framework Shiny, permettant aux participants d'apprendre à créer des applications web interactives pour la visualisation et l'analyse de données. Il couvre les bases, la construction d'applications de A à Z et les bonnes pratiques de développement. Destiné aux utilisateurs de la plateforme Genotoul Biostat, il vise à renforcer les compétences en analyse de données.

Ce projet automatise la récupération, la transformation et l'intégration de données biochimiques issues de bases de données spécialisées (comme KEGG ou BRENDA). Il permet de convertir des fichiers de données métaboliques, enzymatiques ou réactionnelles entre différents formats (ODS, TXT, SBML) et d'enrichir des modèles de voies métaboliques avec des informations thermodynamiques et cinétiques. Les outils développés facilitent l'analyse des réactions biochimiques et l'étude des enzymes pour la recherche en biologie systémique.

Ce projet permet de convertir des fichiers de logs au format JSONL en fichiers Parquet, facilitant ainsi leur traitement et leur analyse. Il est conçu pour optimiser les données de décès en vue de leur exploitation par des outils d'analyse ou de visualisation.

QStream est un plugin pour QGIS développé par le Cerema, permettant de créer et gérer des scénarios de simulation de trafic routier via l'outil Stream. Il facilite la définition manuelle des entrées (réseau routier, demande de déplacement, régulations) et l'analyse des sorties (débits, vitesses, temps de parcours) sous forme de graphiques et tableaux. L'outil transforme les données en formats compatibles et génère des indicateurs pour l'aide à la décision en mobilité.

Ce projet propose une formation complète en apprentissage automatique appliqué aux sciences du climat et au secteur de l'énergie. Il combine des cours théoriques et des travaux pratiques sur des données réelles pour enseigner aux étudiants comment extraire des motifs pertinents, prédire des variables et optimiser des processus. Les cas concrets incluent l'analyse de données de capteurs pour améliorer l'efficacité énergétique des bâtiments ou l'exploitation de prévisions climatiques pour anticiper les tendances futures.

Cette formation propose une initiation à OpenRefine, un outil open source dédié au nettoyage et à la transformation de données. Elle s'appuie sur des jeux de données géographiques issus de GeoNames et des extensions comme VIB-Bits. Destinée aux chercheurs et professionnels, elle permet d'acquérir des compétences pour structurer et analyser des données brutes efficacement.