Ce projet a pour objectif de récupérer et d'enrichir des données sur les médicaments provenant de différentes sources, dont les publications de l'INCA et la BDPM. Il permet de mettre à disposition des données structurées et mises à jour sur les médicaments.

Ce dépôt sert à indexer les schémas du SCDL pour permettre leur documentation et leur utilisation dans Validata. Le SCDL est un dispositif d'OpenDataFrance visant à définir un ensemble de jeux de données prioritaires, normalisés et communs aux collectivités territoriales françaises. Chaque jeu de données identifié fait l'objet d'un schéma : un document décrivant la structure, les champs et les contenus attendus.

Ce projet est le code source du module 2 d'un parcours de formation à R dédié au pôle ministériel MTES-MCTRCT. Il vise à donner aux apprenants les compétences nécessaires pour préparer des données en vue d'analyses statistiques, en les explorant, les comprenant, les structurant et les enrichissant avec des données externes.

Plateforme publique dédiée à la publication et à l'analyse des données environnementales et territoriales de la région Île-de-France. Elle permet aux acteurs publics, aux chercheurs et au grand public d'accéder à des jeux de données structurés sur l'aménagement du territoire, l'environnement, les transports et l'urbanisme. L'objectif est de favoriser la transparence, l'innovation et la prise de décision éclairée grâce à des données ouvertes et accessibles.

CorTexT Structural Analysis est une méthode de CorTexT Manager permettant d'obtenir une vue d'ensemble de l'évolution d'un domaine ou d'un sujet donné. Elle fournit des statistiques sur les mesures macro-niveaux du réseau résultant.

Le modèle structural agnostique (SAM) est une méthode de découverte de causalité. Il utilise des indépendances conditionnelles et des asymétries de distribution pour trouver la structure causale sous-jacente à partir de données observationnelles. L'approche repose sur un jeu entre différents joueurs estimant chaque distribution de variable conditionnellement aux autres sous forme de réseau de neurones et un adversaire visant à discriminer les données générées contre les originales. L' critère d'apprentissage de SAM combine l'estimation de distribution, des contraintes de parcimonie et d'acyclicité pour optimiser la structure et les paramètres du graphe grâce à la descente de gradient stochastique.

Ce projet est un atlas en ligne dédié à l'étude et à la valorisation des paysages et des projets urbains des Hauts-de-Seine. Il propose des ressources documentaires, des analyses territoriales et des actualités pour comprendre les dynamiques paysagères et urbaines du département. Destiné aux acteurs locaux, aux professionnels et au grand public, il facilite l'accès à des données structurées sur l'évolution des territoires.

Deep Finder est un outil d'analyse d'images développé pour aider les scientifiques à identifier et à classer des structures protéiques dans des données de microscopie cryo-électronique. Il est basé sur des algorithmes de deep learning et offre une interface graphique conviviale pour faciliter son utilisation. Deep Finder a été testé avec succès sur des données de tomographie cryo-électronique et a démontré une grande précision dans la détection et la segmentation de structures cellulaires.

Projet dédié à l'importation et au traitement des procédures collectives publiées sur le Bulletin Officiel des Annonces Civiles et Commerciales (BODACC). Il permet de récupérer, extraire et structurer les données contenues dans les fichiers XML fournis par la DILA.

Ce projet est un projet de deep learning implémenté en Python. Il consiste en un notebook contenant un modèle de deep learning et des algorithmes. Le projet est structuré en plusieurs répertoires : le notebook principal, un répertoire contenant le jeu de données utilisé pour l'entraînement et les tests, un répertoire contenant les résultats d'évaluation et les métriques de performance, et un répertoire contenant l'application web.