Gabarit est une plateforme open source conçue pour simplifier et accélérer le développement de projets en science des données et intelligence artificielle. Elle fournit des modèles prêts à l'emploi, des outils de préprocessing et des pipelines de machine learning pour les domaines du traitement automatique du langage naturel, de la vision par ordinateur et des données numériques. Son objectif est de permettre aux data scientists de se concentrer sur l'essentiel en automatisant les étapes techniques et en offrant des fonctionnalités de production robustes.

OGP est un projet dédié à la prédiction des sites de O-GlcNAcylation, une modification post-traductionnelle des protéines. Il fournit des jeux de données structurés, des scripts pour extraire des caractéristiques protéiques et des outils pour entraîner et tester des modèles de machine learning. Le projet inclut également une évaluation comparative des outils de prédiction existants.

Atelier pratique de machine learning utilisant des données sismiques et lidar, basé sur le cours SPIN-SC3 de Leonard Seydoux et adapté pour NuTS 2023. Les notebooks sont pré-configurés dans un environnement JupyterHub dédié sur GLiCID.

Ce projet académique vise à concevoir et entraîner des modèles de machine learning pour résoudre des problèmes complexes en analyse de données. Il s'appuie sur des jeux de données variés pour développer des algorithmes capables de prédire des tendances, classifier des informations ou optimiser des décisions. Destiné principalement aux chercheurs et étudiants, il facilite l'expérimentation et l'innovation dans le domaine de l'intelligence artificielle.

Le projet DGML vise à construire un catalogue de jeux de données de data.gouv.fr pour le Machine Learning. Il permet de sélectionner rapidement des jeux de données réutilisables par des algorithmes de ML et d'avoir un aperçu rapide des informations utiles pour faire du Machine Learning sur ce jeu de données.

Collection d'outils et de bibliothèques open source dédiés à l'apprentissage automatique et à l'intelligence artificielle. Permet aux développeurs et entreprises d'intégrer des modèles prédictifs, de traitement du langage naturel ou de vision par ordinateur dans leurs applications sans repartir de zéro. Facilite l'automatisation intelligente et l'extraction d'insights à partir de données massives.

Ce projet consiste en un ensemble d'algorithmes d'apprentissage automatique, y compris l'apprentissage supervisé (régression linéaire multiple, apprentissage par ensemble, réseaux de neurones) et l'apprentissage non supervisé (K-Means). Il est utilisé pour la désagrégation de l'énergie, permettant une analyse détaillée de la consommation d'énergie.