Ce projet a pour but d'aider les chercheurs en biotechnologie à analyser et modéliser des données grâce à des outils statistiques et mathématiques. Il permet de visualiser les résultats de manière claire et interactive.

Ce projet consiste à importer et traiter des données réelles à partir d'un fichier CSV. Les données sont désordonnées et doivent être décomposées en entités cohérentes pour créer un modèle de données (MCD). Des scripts PostgreSQL sont ensuite utilisés pour ventiler les données dans les tables modélisées. Enfin, une étude statistique est réalisée sur les données.

Ce dépôt rassemble les présentations, scripts, données et autres ressources utilisées lors de l’École d'été méthodes quantitatives en sciences sociales 2019. Il contient des modules pour la formation aux méthodes quantitatives, l'accès aux données de la statistique publique, l'introduction à R et RStudio, et la modélisation linéaire, logistique et polytomique.

RLA est un projet dédié à l'analyse de données biologiques marines et à la modélisation statistique de la dynamique des populations. Il vise à évaluer l'impact des activités humaines sur la biodiversité marine en utilisant des méthodes avancées de modélisation statistique.

Ce projet contient différents outils pour modéliser des jeux de données d'adaptation humaine à l'aide de modélisation d'espaces d'état, y compris la directionnalité, les ruptures, l'optimisation lmse ou maximisation des attentes, ainsi que les propriétés statistiques de l'historique d'erreur.

Le projet TD6-Model-math est conçu pour aider les utilisateurs à résoudre des problèmes mathématiques, calculer des équations et des fonctions, et analyser des données statistiques. Il offre des fonctionnalités puissantes de modélisation et de simulation, permettant aux utilisateurs de mieux comprendre et interpréter les phénomènes mathématiques.

Ce projet est une formation en Python dédiée à l'analyse et la visualisation de données scientifiques. Il couvre des sujets tels que la manipulation de données avec NumPy et Pandas, la visualisation avec Matplotlib et Seaborn, l'analyse statistique avec Statsmodels, la modélisation et l'apprentissage automatique avec Scikit-learn.

LidaRtRee est un package R dédié à l'analyse de données laser aéroportées pour la détection et la caractérisation d'objets forestiers. Il permet la co-enregistrement de parcelles de terrain avec des données LiDAR, la détection et le segmentation des arbres, le calcul de paramètres forestiers avec une approche basée sur la surface, et l'extraction de caractéristiques physiques et statistiques utiles pour la modélisation de l'habitat ou la cartographie de la maturité forestière.

Ce projet fournit un conteneur Singularity contenant une installation de R version 4.0.4 et des packages associés pour l'analyse de données statistiques, la modélisation de données et l'apprentissage automatique.

Notebook personnalisé avec TensorFlow pour la science des données, incluant des outils pour l'apprentissage automatique, l'analyse de données, le traitement d'images et la modélisation statistique.