Atelier de formation destiné aux chercheurs et étudiants en sciences humaines et sociales pour découvrir l'utilisation du langage Python dans leurs travaux de recherche. L'événement combine présentations théoriques, démonstrations pratiques et exercices interactifs pour initier les participants aux bases de la programmation et à son application concrète dans l'analyse de données.

Ce projet est issu d'un hackathon en data science. Il fournit des ressources pour l'analyse et la visualisation de données, ainsi que des tutoriels pour le développement d'applications web interactives et l'initiation à l'apprentissage automatique, en utilisant les langages R et Python.

Ce projet rassemble des preuves de concept (PoCs) développées par Etalab pour illustrer des articles techniques ou méthodologiques. Les codes sont conçus comme des briques modulaires et réutilisables, destinées à inspirer ou servir de base à d'autres initiatives en data science ou intelligence artificielle.

Ce projet propose une formation complète pour initier les utilisateurs à l'écosystème S3, incluant des supports de cours et des notebooks interactifs. Il vise à démocratiser l'accès aux outils de science des données en fournissant des ressources pédagogiques claires et reproductibles, adaptées aussi bien aux débutants qu'aux utilisateurs intermédiaires.

Ce projet propose des tutoriels sous forme de carnets Jupyter pour initier les étudiants à l'analyse de données avec les outils Python NumPy et pandas. Il couvre les bases de la manipulation de données, leur visualisation et leur analyse, avec des exemples concrets et des exercices pratiques. Destiné initialement à des étudiants en data science, il est accessible à toute personne souhaitant se former aux outils de la data science.

Événement organisé par l'Insee et le ministère de l'Agriculture pour initier les participants à l'analyse de données agricoles et alimentaires. Les participants explorent des sujets variés comme l'agriculture française, les habitudes alimentaires ou le traitement du langage, sans objectif compétitif. L'événement vise à promouvoir les méthodes de data science et à encourager leur utilisation dans le travail quotidien.

Ce projet a pour but d'analyser, explorer et visualiser des données culturelles à des fins de recommandation et d'évaluation de modèles prédictifs.