Ce projet fournit un template de base pour développer des applications web interactives avec R-Shiny, principalement destinées à des usages scientifiques ou analytiques. Il facilite la création rapide d'interfaces utilisateur, la gestion des données et le déploiement via des conteneurs Docker. Le template inclut des outils d'intégration continue pour automatiser la construction et la publication des applications.

Ce projet est une démonstration technique permettant de tester et valider des fonctionnalités de synchronisation de données entre différents services. Il sert de banc d'essai pour évaluer des mécanismes d'intégration, de gestion d'identifiants et de messages, ainsi que des interactions avec des bases de données.

La plateforme Vidjil est composée de deux parties principales : Vidjil-algo et une application web. Vidjil-algo analyse les données de séquençage à haut débit pour extraire les jonctions V(D)J et les regrouper en clones. L'application web permet la visualisation et l'analyse interactive des clones et de leur évolution dans le temps dans un contexte de suivi de la maladie résiduelle minimale ou d'étude immunologique. Elle peut également être liée à une base de données de échantillons, d'expériences et de patients pour le stockage des données et des métadonnées, l'exécution de logiciels RepSeq et la sauvegarde d'annotations directement depuis l'application web.

La plateforme Vidjil est composée de deux parties principales : Vidjil-algo et une application web. Vidjil-algo permet d'extraire des jonctions V(D)J et de les regrouper en clones à partir de données de séquençage à haut débit. L'application web permet la visualisation et l'analyse interactives des clones et de leur suivi dans le temps dans un contexte de suivi de la maladie résiduelle minimale ou d'étude immunologique. Elle peut être liée à une base de données de échantillons, d'expériences et de patients permettant le stockage de données et de métadonnées séquence, l'exécution de logiciels RepSeq et la sauvegarde d'annotations directement depuis l'application web.

Ce module Puppet permet de gérer les entrées de la base de données debconf utilisée par les systèmes Debian et Ubuntu. Il automatise la configuration des réponses aux questions posées lors de l'installation ou de la mise à jour des paquets, évitant ainsi les interactions utilisateur. Idéal pour les déploiements automatisés, il facilite la configuration des systèmes sans surveillance et assure la cohérence des paramètres système.

DeepPPI est un projet de recherche en bioinformatique utilisant l'apprentissage profond pour prédire les interactions entre protéines à partir de leurs séquences. Il propose des modèles basés sur des architectures PyTorch et Keras, permettant d'entraîner et d'évaluer des réseaux de neurones sur des jeux de données spécifiques. Les résultats peuvent être utilisés pour approfondir la compréhension des mécanismes biologiques fondamentaux.

Ce projet fournit une bibliothèque logicielle pour faciliter l'interaction avec des bases de données SQL. Il simplifie la création, l'exécution et la gestion des requêtes SQL, permettant aux développeurs d'accéder rapidement et efficacement aux données stockées dans des systèmes de gestion de bases de données relationnelles. L'objectif est d'accélérer le développement d'applications nécessitant des opérations sur des bases de données.

Ce projet propose des tutoriels et exercices pratiques pour apprendre à analyser des données avec les outils Python NumPy et pandas. Destiné aux débutants et étudiants en science des données, il couvre les bases de la manipulation de données, la visualisation et l'application concrète à travers des notebooks interactifs. Les ressources sont adaptées pour un apprentissage progressif et autonome.

Ce projet propose des tutoriels interactifs pour apprendre à analyser des données avec les bibliothèques NumPy et pandas en Python. Destiné aux débutants et étudiants, il couvre les bases de la manipulation de données, la visualisation et des exercices pratiques. Les notebooks sont conçus pour être exécutés dans des environnements comme Google Colab ou Binder, facilitant l'apprentissage autonome.

Ce projet consiste à collecter, archiver et analyser les tweets publiés par les députés français de la seizième législature. L'objectif est de fournir une base de données publique et exploitable pour étudier les activités parlementaires, les interactions avec les citoyens et les tendances politiques exprimées sur les réseaux sociaux. Les données recueillies permettent de suivre l'engagement des élus et d'évaluer leur communication en ligne.