Ce projet permet d'extraire quotidiennement les codes de loi de la base LEGI depuis l'API legifrance.gouv.fr. Les données sont disponibles au format JSON ou via une API TypeScript. Actuellement, seuls 4 codes sont versionnés dans ce dépôt : Code du travail, Code de la sécurité sociale, Code rural et de la pêche maritime, Code des relations entre le public et l'administration.

Ce projet rassemble des ateliers et ressources dédiés aux méthodes d'informations archéologiques et outils utiles. Il propose des espaces de discussion et de formation pour les membres du Centre Malher et d'autres composantes, abordant des aspects techniques comme la photogrammétrie, les statistiques, les bases de données ou la gestion de données. Les supports sont partagés sous licence libre et accessibles à tous les participants.

Ce projet prépare les données nécessaires au simulateur socio-fiscal LexImpact. Il transforme des bases de données brutes (comme l'ERFS-FPR de l'INSEE) en formats compatibles avec le moteur de calcul OpenFisca. Il enrichit ces données avec des variables fiscales détaillées issues de POTE, impute des informations manquantes (loyers, effectifs d'entreprises), et ajuste les données pour refléter les réalités économiques actuelles. Le tout permet de simuler avec précision les prestations sociales et fiscales.

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.

Formation dispensée par l'Université de Lausanne (UNIL) pour initier les participants à la programmation en Python, avec un focus sur les applications en sciences humaines et sociales. Les séances couvrent les bases du langage, la manipulation de données avec des bibliothèques comme Pandas, et la création de visualisations. Destinée aux chercheurs, étudiants et professionnels souhaitant acquérir des compétences en analyse de données.

Ce projet est une formation en présentiel de 7 heures destinée aux sciences humaines et sociales. Il couvre les bases du langage Python, l'installation et la recherche de bibliothèques, l'utilisation de la bibliothèque Pandas pour manipuler des données, et des exemples d'usages un peu plus avancés. L'objectif est de se doter des compétences pour identifier les usages possibles et de poser les bases de l'autonomie dans l'apprentissage.

Ce projet permet de générer des bases de données démographiques et géographiques synthétiques pour différents territoires (métropole, La Réunion). Il combine des données de population, de ménages et de découpage territorial pour produire des fichiers exploitables en analyse spatiale. Les données sont disponibles sous plusieurs formats (GeoPackage, Parquet, MBTiles, PMTiles) pour faciliter leur utilisation dans des outils de visualisation ou d'analyse.

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.

Ce projet propose des modules de formation et des exercices pratiques pour aider les chercheurs, professionnels de santé et acteurs académiques à maîtriser le ciblage de populations d’étude dans la base principale du Système National des Données de Santé (SNDS). Il inclut des guides pédagogiques, des cas pratiques avec corrections, et des jeux de données synthétiques du DCIR et du PMSI pour s’entraîner à identifier des patients selon des critères médicaux précis.

Ce projet propose un guide de formation complet pour apprendre à utiliser le langage R, axé sur le recodage et l'analyse de données d'enquête. Il couvre l'importation de fichiers, les techniques de recodage, l'utilisation du package dplyr, la syntaxe avec les pipes (%>%), ainsi que les bases des statistiques descriptives. Destiné aux débutants comme aux utilisateurs intermédiaires, il inclut des exercices pratiques pour renforcer les apprentissages.