Ce projet contient des scripts et des fonctions utilisées pour le papier STACOM2022 intitulé 'Unsupervised Echocardiography Registration through Patch-based MLPs and Transformers'. Il inclut des modèles proposés de MLP et Transformers à base de patchs, des fonctions utilitaires, des générateurs de données spécifiques au jeu de données CAMUS, et un script d'entraînement de modèle.

Ce projet permet de générer des graphes de dépendances de programmes et de valider des modèles de flux de données à l'aide d'outils tels qu'ANTLR et ATL. Il permet également de transformer des modèles de données en utilisant le langage de transformation ATL.

Le projet bigdata_project permet l'analyse de données massives pour découvrir des tendances et des modèles, ainsi que pour prévoir des données. Il offre une solution complète pour le traitement et l'analyse de données, y compris le nettoyage, la transformation et le chargement des données.

Projet dédié à la gestion et la transformation de données techniques, permettant de générer du code à partir de modèles, de convertir des données entre différents formats et de valider ces données selon des schémas prédéfinis.

Ce package permet l'exploitation et la transformation des fichiers DOC contenant les décisions de justice du Conseil d'État. Il sert à préparer les données pour la modélisation du langage (language modelling) et la reconnaissance d'entités nommées (named entity recognition).

Atlanmod-model-server est une implémentation générique d'un serveur de modèles de données. Il permet de gérer des modèles, de les transformer entre différents formats et fournit une API pour interagir avec eux.

Ce projet consiste en une série de scripts Python utilisant les librairies Keras et sklearn pour la classification d'empreintes de villages à partir d'images cadastrales. Les données géométriques sont transformées en images, des échantillons sont tirés et des labels sont créés. Un réseau de neurones est défini et entraîné, et un modèle alternatif de forêt aléatoire est présenté.

Dbt est un outil de transformation de données permettant de construire des data pipelines, de créer des modèles de données, de gérer la qualité des données et de générer des rapports automatisés. Il s'agit d'un outil open-source basé sur Python, qui s'intègre facilement avec les entrepôts de données tels que PostgreSQL.

Le projet Alambic est une implémentation d'un produit ETL (Extract, Transform & Load) initié par l'autorité éducative de Rennes. Il offre un grand nombre de connecteurs d'entrée/sortie, prend en charge le paginage des résultats sur de nombreux connecteurs, prend en charge n'importe quel format de données grâce au moteur de modèle de modèle Freemarker, est facile à paralléliser parmi plusieurs threads, est facile à surveiller via des agents JMX et la technologie de pont de protocole Jolokia, et s'appuie sur l'outil de déploiement répandu Ansible pour le déploiement et l'exécution sur plusieurs plates-formes.

Ce projet consiste en un dépôt de code source relatif à un modèle complet de réseau électrique réaliste fourni par un distributeur de réseau. Le projet est soutenu par le Labcom @LIENOR et la région administrative Nouvelle-Aquitaine (France). Le réseau comprend des tables de paramètres tels que les bus, les charges, les générateurs, les interrupteurs, la grille externe, les lignes, les transformateurs, ainsi que les données géographiques associées. Certains interrupteurs sont considérés comme fermés et non contrôlables.