Ce projet propose une formation d'initiation au langage Python, incluant des supports pédagogiques sous forme de notebooks Jupyter. Il permet aux participants d'apprendre les bases du langage de manière interactive et pratique. La formation est accessible en ligne et régulièrement mise à jour via un dépôt GitLab.

Ce projet propose un ensemble de ressources pédagogiques interactives pour initier les utilisateurs à l'écosystème Jupyter et aux carnets numériques. Il sert de support à des ateliers de formation, des cours en ligne ou des tutoriels pratiques, permettant aux enseignants et apprenants de manipuler des outils numériques collaboratifs. Le contenu est conçu pour être réutilisable et adapté à différents contextes éducatifs, favorisant ainsi l'apprentissage actif et l'autonomie.

Ce projet propose des supports pédagogiques sous forme de notebooks Jupyter pour former des étudiants en intelligence artificielle. Il couvre des méthodes et concepts clés en Python, avec des exemples interactifs et des jeux de données comme le dataset Iris. Destiné principalement aux formations universitaires, il facilite l'apprentissage pratique des algorithmes d'apprentissage automatique.

Fidle est une formation de 3 jours dédiée à l'introduction au Deep Learning, co-organisée par l'institut 3IA MIAI, le CNRS, la Mission pour les Initiatives Transverses et Interdisciplinaires (MITI) et l'Université Grenoble Alpes. Elle vise à fournir une compréhension des bases des réseaux de neurones, une première expérience pratique via des exemples concrets, et une maîtrise des technologies TensorFlow/Keras et Jupyter Lab. La formation s'appuie sur des supports pédagogiques variés, des notebooks interactifs et des jeux de données pour illustrer les concepts.

Ce projet est un cours de formation sur les pratiques équitables en bioinformatique. Il est organisé en 7 notebooks Jupyter qui couvrent des sujets tels que les concepts de reproductibilité, l'utilisation de Git pour le partage de code et l'historique de fichiers, l'introduction à Conda, l'utilisation du cluster BiRD, l'introduction aux workflows Snakemake, et la description d'autres outils intéressants pour la reproductibilité.

Ce projet propose une formation pratique en analyse d'images biologiques pour les scientifiques du vivant. Il couvre les bases du traitement d'images microscopiques, la segmentation, la normalisation et l'extraction de caractéristiques cellulaires. Les participants apprennent à construire des pipelines d'analyse automatisés et à visualiser les résultats. Les supports pédagogiques incluent des notebooks Jupyter et des jeux de données issus du Human Protein Atlas.

Ce projet propose des ressources pédagogiques pour une formation en intelligence artificielle et apprentissage automatique. Il inclut des supports de cours sous forme de diapositives, des exercices pratiques sous forme de notebooks Jupyter, et des exemples concrets pour illustrer les concepts clés comme les réseaux de neurones, les modèles de classification et l'analyse de données. Destiné aux étudiants et professionnels, il facilite l'apprentissage interactif et collaboratif.

Ce projet propose une formation d'introduction à l'apprentissage profond et à la bibliothèque PyTorch. Il met à disposition des notebooks Jupyter pour explorer des concepts fondamentaux comme la régression linéaire, les réseaux de neurones artificiels et l'optimisation de modèles. Destiné aux débutants, il inclut également des exercices pratiques et un bonus sur l'apprentissage par transfert.

Ce projet est une ressource pédagogique destinée aux étudiants de l'Université Grenoble Alpes (UGA) et aux formations associées comme l'ERCA. Il fournit des supports pratiques pour des travaux en data science, incluant des notebooks Jupyter et des jeux de données. Les étudiants peuvent cloner le dépôt pour accéder aux matériaux de cours et les utiliser dans leur environnement de travail.

Ce projet fournit des ressources pédagogiques sous forme de notebooks Jupyter pour un cours de machine learning. Il inclut des exemples concrets illustrant des méthodes et concepts en Python, accompagnés de supports de cours au format PDF. Les contenus sont conçus pour faciliter l'apprentissage et l'application pratique des techniques d'intelligence artificielle.