CGoGN est un projet open source dédié à la modélisation géométrique et à la visualisation 3D. Il fournit des bibliothèques logicielles pour manipuler des structures de données géométriques complexes, permettant aux chercheurs et développeurs de créer des applications avancées en informatique graphique. Le projet inclut également des outils pour la visualisation interactive et l'analyse de données 3D, avec une forte intégration dans le milieu académique.

Ce projet fournit un composant réutilisable pour afficher, filtrer et manipuler des données sous forme de tableaux interactifs. Il permet aux utilisateurs de visualiser des listes d'éléments avec des options de tri, de pagination et de recherche avancée. Idéal pour les applications nécessitant une gestion efficace de grandes quantités de données structurées.

Ce projet pédagogique est un TP universitaire conçu pour enseigner la programmation en C++ et la manipulation des structures de données, notamment les listes chaînées. Il prépare les étudiants à des travaux pratiques ultérieurs sur des structures plus complexes comme les Skip-Lists. Le dépôt fournit un cadre pour implémenter et tester des fonctionnalités de base et avancées des listes chaînées.

Ce projet fournit une image Docker pour exécuter Flair, un framework de traitement du langage naturel (NLP) open-source, avec une intégration facile à SpaCy. Il permet une analyse de sentiments avancée, une détection d'entités nommées et une extraction de faits pour les données non structurées, en particulier dans le contexte des réseaux sociaux.

Ce projet est un support pédagogique destiné aux étudiants en informatique, plus précisément dans le cadre des enseignements de Structures de Données du cursus IS3. Il vise à fournir des ressources et des outils pour faciliter l'apprentissage des concepts fondamentaux et avancés liés aux structures de données.

Ce projet développé pour le Hackathon 2024 du PEReN et de la Commission Européenne utilise des techniques avancées de traitement automatique du langage naturel (NLP) pour analyser, structurer et rechercher des informations réglementaires issues de plateformes numériques. Il permet d'extraire des entités nommées, de segmenter des textes volumineux, de générer des embeddings pour des recherches vectorielles et d'interagir via une interface conversationnelle. Les données traitées sont fournies à titre d'illustration et ne sont pas mises à jour.