Ce projet fournit une procédure d'inférence pour valider des modèles statistiques à partir de données synthétiques. Il permet de reproduire des exemples de simulation et d'analyse de données, notamment pour des modèles BRD (Bayesian Regression and Decision). Les utilisateurs peuvent exécuter des scripts R et Python pour comparer des statistiques observées et simulées, facilitant ainsi la validation de modèles complexes.

Ce projet développe des outils pour segmenter automatiquement des gouttes et des cristaux de NaCl dans des images de microscopie. Il utilise des architectures de deep learning (UNet et Yolov8) entraînées sur des données réelles et simulées. Un simulateur numérique génère des images pour compléter les annotations manuelles limitées, permettant ainsi d'entraîner des modèles robustes pour des études physiques ou statistiques.

MonProjetSup est une plateforme publique dédiée à l'orientation des lycéens. Elle permet d'explorer les formations supérieures, les métiers et les secteurs d'activité en France. L'outil propose des suggestions personnalisées basées sur les centres d'intérêt et les spécialités des élèves, tout en fournissant des données détaillées sur les débouchés et les statistiques d'admission. La plateforme intègre également des fonctionnalités de simulation de vœux et d'aide à la décision pour accompagner les jeunes dans leur projet d'études.

GammaLib est une bibliothèque open source dédiée à l'analyse de données gamma astronomiques. Elle permet de traiter, modéliser et analyser des observations issues de divers instruments gamma, facilitant ainsi la recherche en astrophysique des hautes énergies. La bibliothèque offre des outils pour la gestion des données, la simulation des réponses instrumentales et l'analyse statistique, tout en supportant une approche multi-missions pour une analyse simultanée.

Projet dédié à l'analyse statistique et à la méta-analyse de données issues de neuroimagerie. Il permet de reproduire des figures et des tableaux présentés dans des publications scientifiques, en utilisant des données brutes et des sorties dérivées de simulations. L'objectif est de valider et comparer des méthodes d'inférence statistique appliquées à des analyses multiverses en neuroimagerie.

Ce projet académique vise à minimiser et analyser des données statistiques à travers des méthodes de vraisemblance et de génération de pseudo-données. Il permet aux utilisateurs de créer des jeux de données simulés, de calculer des fonctions de vraisemblance et de visualiser les résultats sous forme de graphiques. Destiné à des travaux pratiques en physique ou en statistique, il facilite l'apprentissage des méthodes d'optimisation et d'analyse de données.

SurvMS est un package R dédié à la simulation de données de survie pour des modèles statistiques variés. Il permet de générer des jeux de données réalistes à partir de modèles comme le modèle de Cox, le modèle AFT (Accelerated Failure Time) ou le modèle AH (Accelerated Hazards), avec des distributions de base Weibull ou log-normale. L'outil facilite l'évaluation et la comparaison de méthodes d'analyse de survie en fournissant des données simulées adaptées à différents scénarios.

Ce projet fournit des outils mathématiques et statistiques dédiés aux distributions t multivariées. Il permet de calculer des distances et divergences entre ces distributions, de simuler des échantillons aléatoires et de visualiser leurs densités. Utilisé principalement dans le domaine de la recherche agronomique et statistique, il facilite l'analyse de données complexes et la modélisation probabiliste.

Atelier pédagogique dédié à l'apprentissage des méthodes de modélisation statistique et à la simulation de données. Il propose des exercices pratiques et des outils pour comprendre les workflows reproductibles en analyse de données. Destiné aux étudiants ou professionnels souhaitant maîtriser ces techniques dans un cadre académique ou de recherche.

L'application ads est un package R dédié à l'analyse des motifs spatiaux. Il permet d'effectuer des analyses de premier et deuxième ordre multi-échelles à partir de la fonction K de Ripley, pour les données ponctuelles marquées et non marquées dans des fenêtres d'échantillonnage rectangulaires, circulaires ou de forme irrégulière. Les tests de signification statistique sont basés sur des simulations de Monte Carlo.