Ce projet propose une introduction au tydiverse, un ensemble de packages R dédiés à l'analyse de données. Il vise à faciliter la prise en main des outils essentiels pour manipuler, transformer et visualiser des données de manière efficace et reproductible. Destiné aux débutants comme aux utilisateurs intermédiaires, il permet d'acquérir des compétences pratiques en manipulation de données.

Ce projet vise à structurer et analyser les données publiques des décès en France depuis 1971 sous forme de graphes sémantiques. Il permet de transformer des fichiers CSV en données RDF exploitables pour des recherches avancées ou des analyses statistiques. Les données sont organisées par tranches d'années et par villes, facilitant leur réutilisation par des chercheurs, institutions ou développeurs.

Projet utilisant la technologie radar Soli pour analyser et classifier les gestes humains. Il permet de transformer des mouvements en données exploitables pour des applications interactives ou automatisées, facilitant ainsi l'interaction homme-machine sans contact physique.

Ce projet automatise l'extraction et la structuration des informations médicales contenues dans les Résumés des Caractéristiques du Produit (RCP) des médicaments. Il permet de transformer des fichiers HTML en données exploitables pour des analyses statistiques, des rapports ou des intégrations dans des pipelines de données. L'objectif est de faciliter l'accès et l'exploitation des données réglementaires des médicaments pour les professionnels de santé ou les organismes publics.

Ce projet utilise un modèle de langage (LLM) pour transformer des fichiers de métadonnées décrivant des tableaux statistiques en formats exploitables par des outils d'analyse et de diffusion. Il permet aux producteurs de données de décrire leurs tableaux via un classeur, puis de générer automatiquement un fichier structuré et validé, facilitant ainsi la publication et l'analyse des données statistiques.

Robot-WATCHDOG est un cadre de détection de défaillances pour les robots autonomes, utilisant une représentation par graphes spatio-temporels centrés sur les objets. Il identifie les erreurs relationnelles (saisie d'objets incorrects, violation d'ordre de tâches) en analysant les interactions entre objets dans des scènes dynamiques. Deux détecteurs complémentaires sont déployés : un transformateur graphique prédictif pour les environnements riches en données, et une méthode non paramétrique pour les scénarios avec peu d'exemples. Le système garantit un taux de faux positifs contrôlé grâce à la prédiction conforme, sans nécessiter de données d'échec.

QStream est un plugin pour QGIS développé par le Cerema, permettant de créer et gérer des scénarios de simulation de trafic routier via l'outil Stream. Il facilite la définition manuelle des entrées (réseau routier, demande de déplacement, régulations) et l'analyse des sorties (débits, vitesses, temps de parcours) sous forme de graphiques et tableaux. L'outil transforme les données en formats compatibles et génère des indicateurs pour l'aide à la décision en mobilité.

JPanda est une librairie Java dédiée à la manipulation et à l'analyse de données structurées sous forme de dataframes. Elle permet de charger, visualiser et transformer des données issues de fichiers CSV ou de tableaux en mémoire. Les utilisateurs peuvent effectuer des sélections, des calculs statistiques, des groupements et des agrégations pour extraire des informations pertinentes. L'outil est particulièrement adapté aux développeurs et data scientists souhaitant automatiser des traitements de données sans recourir à des solutions lourdes.

Outil d'analyse de correspondances permettant de visualiser et interpréter des données textuelles ou statistiques. Il transforme des matrices de données en représentations graphiques facilitant l'identification de relations entre variables. Utilisé dans des contextes académiques, de veille scientifique ou d'études sectorielles pour révéler des tendances ou des corrélations invisibles dans les données brutes.

Pipeline dédiée à la gestion et au traitement des données du projet ANAIS, spécifiquement pour l'étape Helios. Elle automatise l'extraction, la transformation et le chargement des données depuis des sources variées (bases de données, fichiers CSV) vers des vues SQL structurées. Les données sont historisées, analysées et exportées sous forme de fichiers CSV pour répondre aux besoins réglementaires et opérationnels des acteurs du secteur sanitaire et social.