Ce projet vise à analyser et collecter des données sur les sites de désinformation et les réseaux sociaux, en particulier sur Facebook. Il utilise des API telles que BuzzSumo et CrowdTangle pour collecter des données, et des bibliothèques telles que pandas, matplotlib et scipy pour nettoyer et visualiser les données. Le projet comprend également des scripts pour filtrer et organiser les données collectées.

Le projet swh-scrubber vise à nettoyer et consolider les données de dépôts de code source, en supprimant les données inutiles ou redondantes, permettant ainsi une optimisation de l'espace de stockage dans les systèmes de gestion de versions. Il utilise des techniques avancées de compression de données et d'analyse de dépendances pour garantir l'intégrité et la fonctionnalité des dépôts après le nettoyage.

Le projet camino-imports-geojson est dédié à l'importation, au nettoyage et à la transformation de données géospatiales. Il permet de créer des fichiers GeoJSON à partir de divers formats de données, notamment CSV, et de nettoyer et dédupliquer les objets géographiques. Cet outil facilite le traitement et l'intégration de données géospatiales dans des systèmes d'information géographique (SIG).

Ce projet vise à dresser un état de l'art sur la sélection de variables dans le cadre de l'apprentissage automatique et du data mining, en se concentrant sur les approches supervisée, semi-supervisée et non-supervisée, ainsi que sur le traitement des données multi-labels avec étiquetage incertain. L'objectif est d'améliorer la performance des algorithmes d'apprentissage en nettoyant l'espace de description des données.

Le projet UTOPIA vise à construire une base de données de séquences d'ADN fongiques et à fournir des outils pour l'analyse et l'identification des espèces fongiques. Il permet de télécharger des données à partir de sources publiques, de formater et de nettoyer ces données, de les comparer à la base de données taxonomique de NCBI et de produire des fichiers de sortie normalisés.

Le projet cartolabe-data est dédié au traitement, à l'analyse et à la visualisation de données. Il offre des fonctionnalités pour nettoyer, transformer et analyser des ensembles de données, ainsi que pour générer des visualisations à l'aide de bibliothèques telles que Matplotlib et Seaborn. Le projet inclut également des outils de documentation pour faciliter la compréhension et l'utilisation des données.

Ce projet vise à gérer, analyser et visualiser les données d'inventaire forestier de long terme provenant de parcelles de montagne en France. Il fournit des fonctionnalités pour nettoyer, structurer et mettre en forme les données, ainsi que pour générer des graphiques et tableaux pour des publications scientifiques. Le projet met également à disposition les données et le code pour permettre la reproductibilité des résultats.

Ce projet vise à aligner et à nettoyer les données de CESAR, une base de données sur le théâtre français des XVIIe et XVIIIe siècles, en utilisant des scripts et des notebooks Jupyter. Les données de la BNF et de Wikidata sont mises en correspondance avec celles de CESAR pour en améliorer la qualité et l'exhaustivité.

Ce projet vise à rassembler et analyser les données relatives aux subventions accordées aux associations de la région Pays de la Loire, dans le cadre du hackathon "À l’Asso des données !". Il contient des données nettoyées et prétraitées, ainsi que des visualisations permettant de comprendre comment ces subventions sont réparties sur le territoire.

Polymnie_io est un projet dédié à l'analyse et au traitement de données environnementales et météorologiques. Il permet de manipuler des données complexes, de les nettoyer et de les mettre en forme, avant de générer des visualisations de ces données sous forme de graphiques ou de cartes.