Le modèle structural agnostique (SAM) est une méthode de découverte de causalité. Il utilise des indépendances conditionnelles et des asymétries de distribution pour trouver la structure causale sous-jacente à partir de données observationnelles. L'approche repose sur un jeu entre différents joueurs estimant chaque distribution de variable conditionnellement aux autres sous forme de réseau de neurones et un adversaire visant à discriminer les données générées contre les originales. L' critère d'apprentissage de SAM combine l'estimation de distribution, des contraintes de parcimonie et d'acyclicité pour optimiser la structure et les paramètres du graphe grâce à la descente de gradient stochastique.

Projet de développement d'une application mobile Android destinée à interagir avec des services backend. Il permet de récupérer, traiter et afficher des données dynamiques issues d'API externes. L'application inclut des fonctionnalités de gestion des requêtes réseau, de parsing de données structurées et d'optimisation des performances pour une expérience utilisateur fluide.

Outil dédié à l'analyse des réseaux métaboliques pour déterminer les niches métaboliques d'organismes biologiques. Il permet de calculer des volumes de niche, d'optimiser des flux métaboliques et d'extraire des données structurées à partir de modèles SBML. Utilisé principalement en bioinformatique et biologie systémique pour étudier les capacités métaboliques des cellules ou organismes.

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.

ELSA est une bibliothèque R dédiée à la modélisation et à l'analyse de graphes pondérés. Elle permet de générer des pools de données perturbées, d'apprendre des composants de modèles arborescents à partir de graphes, et de combiner ces composants pour créer des modèles composites optimisés. Utilisée pour l'exploration de réseaux complexes, elle facilite la détection de structures significatives et l'agrégation de résultats.

Ce projet permet d'analyser et d'extraire des motifs spécifiques dans des réseaux ou des graphes, notamment pour identifier des chemins caractéristiques ou des structures récurrentes. Il facilite l'étude des relations entre entités et l'optimisation de flux, utile dans des domaines comme la logistique, la biologie ou l'informatique théorique. Les outils développés aident à transformer des données complexes en informations exploitables pour la prise de décision.

Ce projet permet d'analyser et d'optimiser des graphes pour résoudre des problèmes de parcours, de logistique ou de réseaux. Il facilite la modélisation de structures complexes comme des réseaux de transport, des circuits électroniques ou des flux de données. Les algorithmes intégrés aident à identifier les chemins optimaux, à détecter des goulots d'étranglement ou à simuler des scénarios d'évolution. L'outil est particulièrement utile pour les ingénieurs, les chercheurs ou les data scientists travaillant sur des systèmes interconnectés.

Ce projet permet d'analyser des réseaux complexes en filtrant les liens faibles pour renforcer la structure communautaire. Il facilite la détection de groupes cohérents dans des graphes, comme des réseaux sociaux ou des collaborations scientifiques. L'outil est utilisé pour étudier les interactions entre entités et améliorer la compréhension des dynamiques de groupe. Il s'appuie sur des algorithmes de partitionnement de graphes pour optimiser l'analyse des données relationnelles.

Ce projet permet de modéliser et simuler des réseaux de diffraction optique, utilisés dans des applications comme les capteurs, les lasers ou les systèmes optiques avancés. Il offre des outils pour concevoir des structures 2D et 3D complexes, facilitant l'analyse et l'optimisation de leurs propriétés optiques. Les cas d'usage incluent la recherche académique, l'ingénierie optique et le développement de prototypes.

Ce projet permet de créer, gérer et analyser des grilles de données géospatiales pour des applications nécessitant une représentation structurée de l'espace. Il facilite la visualisation et l'optimisation de réseaux (transports, énergie, etc.) en offrant des outils pour manipuler des maillages géographiques complexes. Idéal pour les urbanistes, les logisticiens ou les chercheurs en géomatique.