Ce projet est un environnement pédagogique dédié à l'apprentissage et à l'expérimentation des techniques d'apprentissage profond, notamment pour la vision par ordinateur. Il permet aux utilisateurs de tester et comparer différents modèles de réseaux de neurones convolutifs sur des jeux de données standardisés comme FashionMNIST. Le dépôt inclut des outils pour l'entraînement, le suivi des expériences et la visualisation des résultats, facilitant ainsi la compréhension des concepts clés en deep learning.

L'Observatoire des Indicateurs Opérationnels (OIO) est une plateforme publique dédiée au suivi et à l'analyse des politiques sociales, sanitaires et d'emploi. Il centralise les rapports et jeux de données produits par les ministères sociaux, offrant aux agents publics et au grand public des indicateurs clés pour éclairer les décisions. Grâce à des tableaux de bord interactifs et des données fiables, l'OIO permet de visualiser les tendances, comparer les territoires et comprendre les enjeux sociaux. Chaque rapport est enrichi par des analyses éditoriales et des contextes réglementaires pour une compréhension approfondie.

Ce projet est un centre de données dédié à l'analyse des signatures de courant (MCSA) pour le suivi des machines électriques. Il fournit des jeux de données expérimentaux issus de bancs d'essai du laboratoire LIAS, notamment sur des moteurs asynchrones avec des défauts de barres rotoriques. Les données, disponibles en CSV, couvrent différentes conditions de fonctionnement et permettent d'étudier les signatures électriques pour le diagnostic de pannes. Le projet s'inscrit dans une démarche de science ouverte et de collaboration entre chercheurs et industriels.

Ce projet propose un modèle de départ pour créer des dépôts conformes au standard Data Package, une spécification ouverte pour structurer et partager des jeux de données. Il permet aux producteurs de données de démarrer rapidement un projet en suivant les bonnes pratiques de qualité et de validation, tout en garantissant l'interopérabilité avec les plateformes de données ouvertes comme schema.data.gouv.fr. Le modèle inclut des fichiers de configuration, des exemples de tables et des outils d'intégration continue pour automatiser les tests.

Outil dédié à la validation de jeux de données dans le domaine de la physique des particules. Il permet de définir des résultats attendus pour différents labels (suivi, détection, calibration) et de vérifier que les valeurs calculées correspondent aux attentes. Utilisé principalement pour garantir la fiabilité des analyses et des expériences menées dans les grands instruments scientifiques.

Outil open source conçu pour faciliter la gestion, le versionnage et le partage de grands jeux de données scientifiques. Il permet aux chercheurs et équipes de collaborer efficacement en suivant les modifications, en automatisant les workflows et en garantissant la reproductibilité des analyses. Idéal pour les projets nécessitant une gestion rigoureuse des données et une traçabilité des versions.

Ce projet fournit un modèle de départ pour créer des dépôts de données structurés selon la spécification Data Package. Il facilite la création, la validation et la documentation de jeux de données publics ou privés en suivant des standards ouverts. Le modèle inclut des fichiers de configuration, des exemples de tables et des outils d'intégration continue pour garantir la qualité et la conformité des données.

Plateforme dédiée à la visualisation et au suivi des jeux de données SNN. Elle permet aux utilisateurs d'explorer, analyser et interpréter des données complexes à travers des interfaces interactives et des outils de monitoring adaptés. Idéale pour les chercheurs, analystes ou toute personne souhaitant comprendre des ensembles de données structurées.

Ce projet fournit un modèle de dépôt (template) pour les équipes de recherche en neuroanatomie. Il permet de structurer efficacement des projets contenant des jeux de données volumineux, du code et de la documentation. Le template utilise des outils comme git-annex et DataLad pour gérer les données, tout en séparant clairement les fichiers temporaires des versions finales. Il optimise ainsi le travail collaboratif et le suivi des versions.

OntoDBench permet aux DBA d'estimer la structuration de leurs jeux de données et d'évaluer l'évolutivité des trois principaux modèles de stockage de données basées sur l'ontologie dans leur jeux de données et workload réels. En fonction des exigences fonctionnelles et d'évolutivité, le DBA peut choisir le OBDB approprié. OntoDBench prend en charge les fonctionnalités suivantes : évaluation des caractéristiques des jeux de données réels, identification des modèles de stockage pertinents pour un OBDB donné, expression des requêtes de travail selon les trois représentations et évaluation des performances des requêtes.