Eds-scikit est un outil destiné aux data scientists travaillant sur le Data Warehouse Clinique de l'AP-HP. Il est spécifiquement conçu pour les données standardisées OMOP et a pour principaux objectifs de faciliter l'accès et l'analyse des données, de permettre un meilleur transfert de connaissances entre les projets et d'améliorer la reproductibilité de la recherche.

Ce projet utilise Snakemake et Singularity pour gérer des workflows bioinformatiques sur des clusters de calcul haute performance. Il permet l'analyse de données génomiques en utilisant des conteneurs pour assurer la reproductibilité et la portabilité des analyses.

Ce projet vise à rassembler des tentatives de reproduction de l'étude Challenger, qui analyse les facteurs de risque dans le programme de la navette spatiale. Il compare les résultats obtenus en utilisant différents langages de programmation et outils, et met l'accent sur la reproductibilité des analyses statistiques.

Ce projet vise à gérer, analyser et visualiser les données d'inventaire forestier de long terme provenant de parcelles de montagne en France. Il fournit des fonctionnalités pour nettoyer, structurer et mettre en forme les données, ainsi que pour générer des graphiques et tableaux pour des publications scientifiques. Le projet met également à disposition les données et le code pour permettre la reproductibilité des résultats.

Jupyter Notebooks est un projet open-source permettant la création, l'exécution et le partage de notebooks interactifs. Il permet aux utilisateurs de combiner du texte, du code, des équations, des visualisations et des widgets dans un même document, favorisant ainsi la collaboration et la reproductibilité des analyses de données.

Bibliothèque Python open-source développée au CRIL pour faciliter la conduite d'expériences et leur analyse dans le domaine de la résolution de problèmes SAT. Elle offre un outil complet pour la gestion des expériences, de la collecte des données à l'affichage des résultats, favorisant ainsi la reproductibilité des résultats expérimentaux.

Le projet PROPRE vise à améliorer la démarche de rédaction de rapports techniques en proposant une méthodologie de publications reproductibles. Il s'appuie sur des outils numériques pour garantir la qualité, la cohérence et la reproductibilité des analyses présentées dans les rapports.

Ce projet vise à faciliter la mise en place et l'utilisation de workflows bioinformatiques en utilisant des containers pour le déploiement d'applications. Il permet également l'automatisation de pipelines de traitement de données, ce qui permet de gagner du temps et de réduire les erreurs.