Plateforme open source dédiée à l'automatisation et à l'analyse avancée de données. Elle permet aux entreprises de modéliser, exécuter et optimiser des workflows métiers tout en intégrant des outils d'intelligence artificielle pour le traitement automatique du langage et l'analyse prédictive. Utilisée principalement dans les secteurs de la recherche, de l'industrie et des services pour accélérer les processus décisionnels.

Materia est un outil open source dédié à l'analyse et à la modélisation de données issues de techniques de diffraction, notamment pour la prédiction de phases minérales à partir de diagrammes 1D. Il permet également de réaliser des transformations de radon inverses pour reconstruire des images à partir de sinogrammes. Le projet intègre des fonctionnalités avancées de suivi d'expériences via MLflow et est conçu pour faciliter la recherche en science des matériaux et en cristallographie.

Ce projet académique vise à développer des outils d'intelligence artificielle pour l'analyse de données, la simulation de modèles complexes et l'automatisation de processus scientifiques. Il s'appuie sur des bibliothèques spécialisées pour traiter des jeux de données variés et proposer des solutions innovantes en modélisation prédictive. Destiné à la recherche et à l'enseignement supérieur, il facilite la collaboration entre équipes universitaires.

Ce projet développe des outils avancés pour la modélisation et la simulation de réseaux de neurones profonds. Il vise à faciliter la recherche en intelligence artificielle en offrant des solutions pour l'entraînement, l'optimisation et l'évaluation de modèles prédictifs complexes. Destiné principalement aux chercheurs et ingénieurs en IA, il permet d'explorer des architectures innovantes et d'accélérer le développement de solutions basées sur l'apprentissage automatique.

Projet dédié à l'analyse de données et à la modélisation prédictive utilisant des algorithmes d'apprentissage automatique. Il permet de traiter des ensembles de données pour en extraire des tendances, des corrélations ou des modèles utiles à la prise de décision. Les applications visent des domaines variés comme la recherche, l'industrie ou les services.

Ce projet vise à développer des outils d'intelligence artificielle pour analyser des données complexes issues de recherches scientifiques ou industrielles. Il permet de modéliser des scénarios prédictifs, d'automatiser des analyses répétitives et d'optimiser des processus expérimentaux. Les solutions proposées s'appuient sur des algorithmes avancés pour extraire des insights pertinents et accélérer la prise de décision dans des environnements techniques ou académiques.

Rbioacc est une bibliothèque R dédiée à l'inférence et à la prédiction de modèles toxicocinétiques. Elle permet d'analyser les données d'exposition aux substances chimiques, d'estimer les paramètres des modèles TK (ToxicoKinétique) et de simuler des scénarios d'exposition pour évaluer les risques sanitaires. Utilisée principalement en recherche environnementale et toxicologique, elle facilite la modélisation des processus d'absorption, de distribution, de métabolisme et d'excrétion des substances dans l'organisme.

Projet académique dédié à l'analyse de données et à la modélisation mathématique dans le cadre de recherches en intelligence artificielle. Il permet de traiter des jeux de données complexes, de simuler des modèles prédictifs et d'explorer des algorithmes innovants. Utilisé principalement dans un contexte universitaire pour des travaux de recherche ou des projets pédagogiques.

Three Little Phigs HPX est un projet de simulation numérique dédié à l'étude des collisions entre particules. Il permet de modéliser des interactions physiques dans un environnement virtuel, offrant une base pour des recherches en dynamique des fluides ou en physique des matériaux. Ce projet s'inscrit dans le cadre de travaux académiques ou de développement de modèles prédictifs.