Ce projet propose une formation d'introduction à l'apprentissage profond et à la bibliothèque PyTorch. Il met à disposition des notebooks Jupyter pour explorer des concepts fondamentaux comme la régression linéaire, les réseaux de neurones artificiels et l'optimisation de modèles. Destiné aux débutants, il inclut également des exercices pratiques et un bonus sur l'apprentissage par transfert.

Ce projet présente une plateforme interactive dédiée à la mobilité urbaine partagée et intégrée aux transports publics. Il propose des démonstrateurs visuels pour explorer les données de transport (réseaux de vélos, itinéraires, tarifs) et des outils d'optimisation pour concevoir des politiques tarifaires et des réseaux de mobilité durable. Destiné aux chercheurs, décideurs et grand public, il illustre les innovations développées dans le cadre du projet européen SUM.

Outil dédié à l'analyse des factures et des procès-verbaux de déploiement pour les infrastructures très haut débit. Il permet aux collectivités et opérateurs de vérifier la conformité des coûts, d'identifier les écarts et d'optimiser les dépenses liées aux réseaux fibre. Le projet facilite également le suivi des engagements de déploiement et la production de rapports pour les parties prenantes.

Ce projet développe un modèle d'optimisation pour concevoir des réseaux de vélos en libre-service intégrés aux transports publics. Il détermine l'emplacement des stations, leur capacité et le nombre de vélos initiaux, afin de maximiser la couverture de la demande de mobilité, en tenant compte des contraintes budgétaires et opérationnelles. Les solutions sont évaluées via des indicateurs clés de performance et comparées à des scénarios de référence.

Ce projet développe un modèle d'optimisation pour concevoir des réseaux de vélos en libre-service intégrés aux transports publics. Il détermine l'emplacement des stations, leur capacité et le nombre de vélos initiaux, afin de maximiser la couverture de la demande de mobilité (trajets directs ou combinés avec les transports publics) sous contraintes budgétaires. Les résultats sont visualisés via une interface interactive et des notebooks analytiques.

Open-MX est un projet de logiciel libre dédié à la communication et au transfert de données à haut débit entre nœuds informatiques. Il permet de créer des réseaux maillés décentralisés et offre des performances élevées grâce à une pile de protocoles optimisée.

Ce projet vise à améliorer l'efficacité des communications sans fil en exploitant l'hétérogénéité des dispositifs. Il permet de simuler et d'analyser des scénarios de détection d'utilisateurs dans des réseaux à accès aléatoire sans réservation préalable. Les résultats sont utilisés pour optimiser les performances des systèmes de communication modernes, notamment dans les environnements où les dispositifs ont des capacités variables.

Outil dédié à l'automatisation du déploiement et de la configuration de serveurs proxy HAProxy. Il permet d'optimiser la distribution du trafic réseau entre plusieurs serveurs, assurant ainsi une meilleure disponibilité et performance des services web. Idéal pour les infrastructures nécessitant une gestion dynamique et scalable des flux entrants.

Caffe est un framework open source dédié à l'apprentissage profond, spécialisé dans le traitement d'images et la vision par ordinateur. Il permet de concevoir, entraîner et déployer des modèles de réseaux de neurones convolutifs (CNN) pour des tâches comme la classification d'images, la détection d'objets ou la segmentation sémantique. Utilisé par des chercheurs et des entreprises, il offre une architecture modulaire et des performances optimisées pour accélérer les calculs.

Ce projet propose une implémentation en C++ de l'algorithme Benders by batch, conçu pour résoudre des programmes stochastiques linéaires à deux étages. Il permet d'optimiser des problèmes complexes en découpant les sous-problèmes et en appliquant des techniques de stabilisation pour améliorer la convergence. Initialement développé pour des applications dans la gestion de réseaux électriques, il est également utilisé dans des contextes nécessitant une résolution efficace de problèmes d'optimisation sous incertitude.