Ce projet revisite une étude scientifique analysant comment les choix analytiques influencent les résultats. Il propose une réplication des analyses originales avec des données mises à jour et une documentation détaillée des écarts méthodologiques. L'objectif est de rendre transparentes les variations dans les approches statistiques et de faciliter la reproductibilité des recherches.

Pyseafuel est une bibliothèque Python conçue pour simplifier la gestion et l'analyse de données scientifiques. Elle propose des outils intégrés pour automatiser la génération de documentation technique, faciliter le partage de résultats et optimiser les calculs numériques. Destinée aux chercheurs et ingénieurs, elle permet de centraliser les processus analytiques tout en garantissant une meilleure reproductibilité des travaux.

Ce projet fournit un ensemble d'outils et de workflows dédiés au traitement et à l'analyse de données issues de techniques de diffraction avancées, notamment pour la calibration et l'intégration de spectres de rayons X. Il facilite l'automatisation des processus expérimentaux et la gestion des données brutes et traitées, en s'appuyant sur des logiciels spécialisés comme pyFAI et Ewoks. Destiné aux scientifiques et chercheurs, il optimise la reproductibilité et la traçabilité des analyses.

Outil open source dédié au traitement et à l'analyse d'images scientifiques, notamment dans les domaines de la tomographie et de l'imagerie médicale. Il permet aux chercheurs et ingénieurs de manipuler, visualiser et analyser des jeux de données volumineux avec des algorithmes avancés. Intégré à des environnements de calcul scientifique, il facilite la reproductibilité et l'automatisation des analyses.

Blocks est un plugin pour le logiciel d'analyse d'images biologiques Icy, développé par l'unité d'analyse d'images biologiques de l'Institut Pasteur. Il permet aux chercheurs et développeurs de créer des environnements de programmation visuelle pour concevoir des protocoles d'analyse d'images. Ce plugin facilite l'automatisation et la reproductibilité des analyses bioimages, en offrant des outils pour manipuler et traiter des données d'imagerie scientifique.

Ce projet fournit des fichiers Dockerfiles pour générer des images Docker hébergées sur Docker Hub. Ces images sont conçues pour des environnements bioinformatiques, notamment pour des analyses génomiques et biostatistiques. Elles intègrent des logiciels scientifiques comme R, Python, et des outils spécialisés (ex : immcantation, smrt, Jalview), facilitant la reproductibilité des analyses dans le domaine de la recherche académique et médicale.

Jupyter System est une plateforme open source dédiée à l'analyse de données, au calcul scientifique et à la visualisation. Elle permet aux utilisateurs de créer, partager et collaborer sur des notebooks interactifs contenant du code, des équations, des visualisations et du texte. Utilisée par des chercheurs, des data scientists et des ingénieurs, elle facilite l'exploration de données complexes et la reproductibilité des analyses.

Outil open source permettant de créer et partager des documents vivants combinant code, équations, visualisations et texte. Utilisé par les scientifiques, chercheurs et développeurs pour analyser des données, prototyper des algorithmes ou documenter des processus techniques. Facilite la reproductibilité des analyses et la collaboration en équipe.

Outil dédié à l'analyse conjointe de données issues d'expériences de physique des neutrinos, notamment pour l'étude des neutrinos stériles. Permet aux chercheurs de modéliser, traiter et analyser des jeux de données complexes issus de collaborations internationales comme Daya Bay et STEREO. Facilite la reproductibilité et la validation des résultats scientifiques.

Boîte à outils dédiée à l'analyse d'images biologiques et médicales, intégrée au logiciel Icy. Elle fournit des fonctionnalités avancées pour le traitement, la segmentation et l'extraction de caractéristiques d'images, facilitant ainsi la recherche en bio-imagerie. Utilisée par des scientifiques pour automatiser des analyses complexes et améliorer la reproductibilité des résultats.