Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Outil dédié à l'analyse statistique des données environnementales, notamment pour la modélisation de la sensibilité des espèces (SSD). Permet aux chercheurs et experts de réaliser des analyses de distribution, des ajustements de modèles statistiques et des visualisations graphiques interactives. Facilite la prise de décision en écotoxicologie et gestion des risques environnementaux.
- Ce projet fournit des composants logiciels pour enregistrer et analyser les échanges de données de santé via la plateforme MSSanté. Il permet de collecter les statistiques d'utilisation et les données de connexion des utilisateurs, puis de les transmettre mensuellement à l'Agence du Numérique en Santé (ANS) pour répondre aux obligations réglementaires. Les données sont structurées et exportables pour faciliter leur exploitation.
- Outil dédié à la collecte, l'analyse et la visualisation des statistiques d'usage des ressources documentaires pour les établissements de l'enseignement supérieur et de la recherche. Il permet de traiter les logs de consultation des plateformes documentaires, d'enrichir les données avec des métadonnées contextuelles, et de générer des rapports détaillés pour évaluer l'impact et l'utilisation des ressources. Destiné à un usage interne de l'Abes, il s'intègre dans une chaîne de traitement automatisée pour faciliter la prise de décision et le pilotage des collections.
- Plateforme publique dédiée au pilotage et à l'analyse des données d'inclusion dans l'emploi en France. Elle permet aux professionnels de consulter des tableaux de bord interactifs et personnalisés, d'accéder à des statistiques publiques ou spécifiques à leur organisation, et d'exporter des données pour faciliter le reporting et la prise de décision. L'outil accompagne les acteurs de l'insertion par l'activité économique (IAE) dans l'évaluation et l'amélioration de leurs politiques d'inclusion.
- Notoriété 10 %Ce projet est une plateforme technique dédiée au traitement et à l'analyse automatisée de données liées à la gestion des déchets. Il permet de collecter, nettoyer, enrichir et analyser des flux de données provenant de différents acteurs (producteurs, bac, exutoires) pour produire des rapports et des indicateurs utiles aux décideurs. Les traitements incluent des redressements géographiques et temporels, ainsi que des analyses statistiques pour optimiser la gestion des déchets.
- Notoriété 23 %DGML est une plateforme publique qui permet aux utilisateurs de découvrir, analyser et exploiter des jeux de données ouverts de data.gouv.fr spécifiquement adaptés pour le Machine Learning. Elle propose des profils statistiques détaillés, des résultats d'entraînement automatique de modèles d'apprentissage automatique, et des exemples de réutilisation pour aider les data scientists à identifier rapidement des données pertinentes et à démarrer leurs projets d'IA.
- Plateforme open source qui agrège et fournit des métadonnées détaillées sur les dépôts logiciels de multiples écosystèmes open source. Elle permet aux développeurs, chercheurs et organisations de consulter des statistiques, analyser les dépendances, suivre les licences et accéder à des outils pour parser ou résoudre des données techniques liées aux projets open source.
- Plateforme cloud dédiée à l'analyse de données de séquençage haut débit (NGS) intégrant un environnement Jupyter. Elle permet aux chercheurs en biologie et génomique de manipuler, transformer et visualiser des données génomiques, d'effectuer des simulations numériques, des modélisations statistiques et des analyses d'apprentissage automatique. Basée sur des stacks Docker Jupyter standardisés, elle offre une flexibilité pour utiliser différents environnements adaptés aux besoins spécifiques des utilisateurs.
- Fed-BioMed est une plateforme open source dédiée à la recherche médicale utilisant des approches décentralisées pour l'analyse statistique et l'apprentissage automatique. Elle permet aux chercheurs de collaborer en partageant des données biomédicales de manière sécurisée et conforme à la confidentialité, tout en entraînant des modèles d'IA sans centraliser les données. Le projet s'appuie sur des technologies comme PyTorch et Scikit-learn pour déployer des analyses fédérées dans des applications réelles.
87 initiatives
10