RLA est un projet dédié à l'analyse de données biologiques marines et à la modélisation statistique de la dynamique des populations. Il vise à évaluer l'impact des activités humaines sur la biodiversité marine en utilisant des méthodes avancées de modélisation statistique.

Bibliothèque open source dédiée à l'analyse statistique et à la modélisation de données. Elle permet de manipuler des distributions, des mélanges de lois, des chaînes de Markov et des processus paramétriques. Utilisée pour l'exploration de données, la validation de modèles et la génération de simulations, elle s'intègre dans des workflows d'analyse avancée pour des applications variées en recherche et industrie.

MORSE est une suite d'outils dédiés aux écotoxicologues et aux régulateurs pour modéliser mathématiquement et statistiquement les données de tests de toxicité. Il permet une évaluation quantitative avancée des risques environnementaux en utilisant des méthodes innovantes, facilitant ainsi la gestion des substances chimiques et la protection des écosystèmes.

Musette est une bibliothèque R dédiée à l'analyse avancée de réseaux et de graphes. Elle permet de modéliser des relations complexes entre entités, d'optimiser des scores de performance et de visualiser des structures de données sous forme de graphes interactifs. Utilisée pour des études statistiques ou des recherches opérationnelles, elle facilite la détection de communautés, l'évaluation de chemins critiques et l'exploration de données multidimensionnelles.

Outil dédié à l'analyse de sensibilité des espèces (SSD) pour évaluer les risques écotoxicologiques. Permet aux chercheurs et écotoxicologues de modéliser des données environnementales, de visualiser des distributions statistiques et de calculer des concentrations toxiques. Intègre des fonctionnalités avancées pour faciliter l'interprétation des résultats et la prise de décision dans le cadre de l'évaluation des risques environnementaux.

Outil dédié à l'analyse de sensibilité des espèces (SSD) pour évaluer les risques liés aux substances chimiques. Il permet de modéliser des données environnementales, de visualiser des distributions statistiques et de calculer des concentrations toxiques. Intégré à la plateforme MOSAIC, il facilite l'accès à des fonctionnalités avancées pour les chercheurs et les professionnels de l'environnement.

Ce projet propose une formation en apprentissage automatique appliquée aux sciences environnementales et au secteur énergétique. Il utilise des notebooks Python pour enseigner l'analyse de données climatiques et énergétiques, en combinant méthodes statistiques traditionnelles et techniques avancées de machine learning. Les étudiants apprennent à extraire des motifs pertinents, modéliser des relations entre variables et prédire des tendances pour prendre des décisions éclairées dans des contextes environnementaux concrets.

Ce projet est un framework dédié à l'inférence bayésienne, permettant de modéliser des phénomènes complexes et d'analyser des données incertaines. Il facilite l'application de méthodes statistiques avancées comme le Metropolis-Hasting ou l'optimisation CMA-ES. Utilisé notamment en recherche médicale, il aide à déterminer des doses thérapeutiques optimales et à comprendre des dynamiques épidémiologiques.

Projet dédié à l'analyse et la modélisation de données à l'aide de méthodes statistiques avancées. Il permet de traiter des ensembles de données complexes, d'appliquer des algorithmes bayésiens pour inférer des probabilités et de visualiser les résultats sous forme de graphiques. Idéal pour la recherche, l'enseignement ou l'exploration de phénomènes aléatoires.

Ce projet est une bibliothèque Julia dédiée à l'estimation de densité par noyaux, adaptée aux supports bornés et non bornés. Elle permet aux chercheurs et data scientists de modéliser des distributions de données avec précision, en tenant compte des contraintes physiques ou théoriques des supports. Idéale pour les analyses statistiques avancées ou les simulations nécessitant des estimations robustes.