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 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.

OMEGAlpes est une bibliothèque open source dédiée à la modélisation et à l'optimisation linéaire de systèmes énergétiques. Elle permet aux chercheurs, ingénieurs et décideurs de concevoir des modèles mathématiques pour analyser, simuler et optimiser des réseaux énergétiques complexes, en intégrant des données techniques, économiques et environnementales. L'outil facilite la prise de décision pour la transition énergétique et l'efficacité des infrastructures.

Ce plugin pour QGIS permet de calculer et de sélectionner automatiquement les tronçons formant le chemin le plus court entre deux objets linéaires sélectionnés par l'utilisateur. Il est particulièrement utile pour les professionnels de la cartographie, de l'urbanisme ou des transports qui doivent optimiser des trajets ou analyser des réseaux linéaires comme les routes, voies ferrées ou cours d'eau. L'outil s'intègre directement dans l'environnement SIG (Système d'Information Géographique) QGIS.

Ce projet vise à identifier des sous-réseaux métaboliques pertinents dans des réseaux biologiques complexes. Il combine des approches de programmation logique pour modéliser les interactions biologiques et de programmation linéaire pour optimiser la détection de motifs métaboliques. L'objectif est d'aider les chercheurs en biologie systémique à comprendre et analyser les voies métaboliques de manière automatisée et reproductible.