TiAMo est un outil de vérification formelle dédié à l'analyse des systèmes temporisés modélisés par des automates temporisés. Il permet de vérifier des propriétés temporelles complexes sur des modèles, d'identifier des erreurs de conception ou de synchronisation, et d'optimiser des systèmes critiques comme les protocoles de communication ou les systèmes embarqués. Développé dans le cadre d'un projet de recherche, il est utilisé pour valider la correction et la fiabilité des systèmes avant leur déploiement.

TensorFlow est une bibliothèque open-source d'apprentissage automatique développée par Google Brain. Elle permet de créer et d'entraîner des modèles de machine learning pour une variété de tâches, telles que la reconnaissance d'images, le traitement du langage naturel, la prédiction de séries temporelles et la détection d'anomalies. TensorFlow prend en charge une grande variété d'algorithmes d'apprentissage automatique, y compris les réseaux de neurones convolutifs, les réseaux de neurones récurrents et les algorithmes d'optimisation stochastique.

Outil dédié à la sélection et à la génération de cas de charge pour des études liées aux éoliennes flottantes (FOWT). Il fournit des données environnementales (vent, vagues) pour plusieurs sites offshore (ex : West of Barra, SEM-REV, Golfe de Fos). Permet de générer des séries temporelles réalistes pour le vent et les vagues, en s'appuyant sur des modèles statistiques et des paramètres normalisés. Utilisé par des ingénieurs structurels, des économistes ou des contrôleurs pour des études de fatigue, de charges extrêmes ou d'optimisation.

Projet de recherche dédié à la segmentation d'arrière-plan pour les visioconférences en temps réel. Il évalue et améliore des modèles existants pour une meilleure qualité d'image, notamment sur les contours et la stabilité temporelle. Une interface web intégrée permet d'appliquer ces techniques directement dans les appels vidéo, optimisant ainsi l'expérience utilisateur pour les professionnels et les particuliers.

Bibliothèque Python pour l'apprentissage statistique à dépendance temporelle, avec un focus sur les processus ponctuels. Elle propose des outils pour les modèles linéaires généralisés et un module d'optimisation générique.

Ce projet vise à étudier l'impact des décalages temporels entre les équipements de forage utilisés pour analyser les vibrations souterraines. En modélisant ces désynchronisations, il permet de détecter des événements anormaux dans les signaux enregistrés et d'améliorer la précision des données sismiques. L'objectif est d'optimiser le positionnement et le timing des instruments pour une meilleure localisation des événements souterrains.

NumpyFft est une bibliothèque logicielle dédiée au calcul efficace des transformées de Fourier rapides (FFT) et à l'analyse spectrale de signaux numériques. Elle permet aux chercheurs, ingénieurs et développeurs de traiter des données temporelles ou spatiales pour en extraire des informations fréquentielles, facilitant ainsi la modélisation, la simulation et l'optimisation de systèmes complexes dans divers domaines scientifiques et industriels.

Ce projet propose des instances de problèmes d'optimisation pour des robots collecteurs de récompenses. Il inclut des contraintes temporelles et de précédence afin de modéliser des scénarios réalistes pour la planification de tâches robotisées. Les données générées permettent d'évaluer et de comparer des algorithmes de résolution dans ce domaine spécifique.

Bibliothèque d'extensions et d'outils conçus pour enrichir les capacités d'analyse des données temporelles, notamment dans le domaine de l'astrophysique. Elle facilite la modélisation, la simulation et l'optimisation de signaux complexes, comme ceux émis par les pulsars, pour des applications en recherche fondamentale et en physique théorique.