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 une formation en langage Python pour les sciences humaines et sociales. Il couvre les bases du langage et de son environnement, l'installation et la recherche de bibliothèques, les bases de Pandas et la production de statistiques, et des exemples d'usages avancés. Les documents dans le dépôt correspondent aux documents de la séance.

Ce projet vise à fournir une formation en analyse de données avec Python. Il comprend une présentation de l'URFIST, une introduction aux bases de Python, l'utilisation de bibliothèques et d'API, une initiation à Pandas et une application au questionnaire openscience, ainsi que des analyses avancées, des statistiques et des visualisations.

Ce projet vise à fournir une formation en ligne sur la programmation en Python et l'analyse de données. Les modules couvrent les bases de la programmation, la manipulation de données avec la bibliothèque Pandas, les statistiques descriptives et inférentielles, les modèles avancés de régressions et clustering, et la collecte de données sur internet et l'utilisation d'API.

Environnements RStudio et Cytoscape dédiés à des ateliers de formation en bioinformatique (ETBII-2023). Ces outils permettent aux participants d'effectuer des analyses statistiques avancées, de visualiser des données biologiques complexes et d'explorer les réseaux moléculaires. Les ateliers couvrent des thématiques comme l'analyse multivariée, la génomique et l'écologie fonctionnelle.

Ce projet est une formation donnée par Emilien Schultz sur l'utilisation du langage Python pour la programmation scientifique en SHS. La formation couvre les bases du langage, l'utilisation de Notebooks Jupyter, la manipulation de données, les traitements statistiques, et des usages plus avancés comme la collecte de données ou l'analyse de réseaux.

Formation destinée aux géographes pour maîtriser les outils et méthodes d'analyse statistique intégrant la dimension spatiale. Elle couvre la corrélation, la régression classique, l'autocorrélation spatiale et la régression géographiquement pondérée (GWR). Les participants apprennent à interpréter des résultats et à produire des cartes thématiques à partir de jeux de données réels, comme les prix de l'immobilier ou la pauvreté urbaine.