Ce projet personnel permet de documenter et d'organiser les solutions résolues sur la plateforme LeetCode en Python. Il vise à améliorer la pratique algorithmique en proposant des approches optimisées et variées pour chaque problème. Les solutions sont classées par niveau de difficulté et par type de structure de données ou d'algorithme.

Ce projet propose une implémentation de plusieurs algorithmes de tri classiques et avancés, tels que le tri par insertion, le tri fusion et le tri rapide. Ces outils sont conçus pour aider les développeurs à optimiser le classement de données dans leurs applications, en offrant des solutions performantes et adaptables à différents besoins de tri.

FormIAble est une solution logicielle conçue pour automatiser la gestion, la classification et l'extraction de données à partir de formulaires administratifs. Elle permet de transformer des documents papier ou numériques en données structurées exploitables, facilitant ainsi leur traitement automatisé. Le projet inclut des outils pour générer des formulaires synthétiques, corriger l'orientation des documents et classer les formulaires selon leur type. Idéal pour les administrations, entreprises ou prestataires de services souhaitant optimiser leur workflow documentaire.

Ce projet permet aux établissements scolaires de gérer la répartition des élèves en classes pour la rentrée. Il facilite l'organisation des effectifs, le suivi des absences, l'import de données depuis des fichiers externes et l'export des listes d'élèves. L'outil aide les équipes éducatives à optimiser les effectifs par classe et à identifier les élèves nécessitant une attention particulière.

Outil de simulation dynamique des cycles de combustible nucléaire développé par le CNRS et l'IRSN. CLASS permet de modéliser l'évolution d'un parc électro-nucléaire en temps réel, en suivant les flux de matières radioactives à travers les différentes installations. Il génère des données précises sur la composition isotopique et les performances du système, aidant à la planification et à l'optimisation des stratégies énergétiques.

Ce projet expérimental implémente l'algorithme PageRank de Google pour classer des pages web selon leur popularité. Il compare les performances de différents frameworks (Apache Pig, Spark) et configurations matérielles (nombre de nœuds, mémoire RAM) pour traiter de grands volumes de données. L'objectif est d'identifier les meilleures pratiques pour optimiser le temps d'exécution et les coûts sur des infrastructures cloud comme Google Cloud Platform.

SOPHYA est une suite de classes C++ dédiée à l'analyse de données et au développement de codes numériques, principalement utilisée en physique, astrophysique et cosmologie. Développé par des organismes publics comme le CNRS, l'Université Paris-Sud et le CEA, ce logiciel open source permet aux chercheurs de traiter des données complexes, de réaliser des simulations et d'optimiser des algorithmes pour des applications scientifiques avancées.

HAMAC Routine est un outil open source conçu pour analyser et classer les données GPS et accélérométriques collectées sur le bétail. Il permet de préparer, structurer et exploiter ces données pour entraîner des modèles de comportement animal. Le projet utilise des modèles de Markov cachés pour identifier et quantifier les activités des animaux, facilitant ainsi la compréhension des dynamiques pastorales et l'optimisation des systèmes d'élevage en milieu sahélien.

MolPred est un framework basé sur Hydronaut pour la construction de prédicteurs de caractéristiques moléculaires à l'aide de Chemfeat. Il offre les avantages de l'un et de l'autre, ainsi que plusieurs autres avantages : tous les hyperparamètres sont gérés via des fichiers de configuration YAML, y compris la sélection de modèles, ensembles de fonctionnalités moléculaires et métriques, avec un support complet pour les surcharges en ligne de commande. Les hyperparamètres peuvent être explorés à l'aide de balayages systématiques ou d'algorithmes d'optimisation. L'optimisation peut être suivie en temps réel avec Optuna Dashboard lors de l'utilisation du plugin Hydra's Optuna sweeper. Tous les paramètres, métriques, modèles et autres artefacts sont suivis avec MLflow. Les tests et les prédictions peuvent être effectués en récupérant des modèles et des configurations d'ensembles de fonctionnalités à partir de runs MLflow précédents. Les modèles peuvent être facilement ajoutés en enregistrant des sous-classes d'une classe fournie. Les classes enregistrées peuvent être sélectionnées par nom à partir du fichier de configuration. De nouvelles calculateurs d'ensembles de fonctionnalités chimiques/moléculaires peuvent être ajoutés et enregistrés via des sous-classes simples. Les calculs de fonctionnalités sont mis en cache dans une base de données locale pour éviter les calculs redondants.

Target-class est un projet d'analyse de données clients permettant de prédire la classe cible pour les campagnes marketing, de segmenter le marché et d'optimiser le ciblage publicitaire.