Ce projet est une publication sur l'utilisation des réseaux de neurones dans le domaine de la statistique publique. Il contient des exemples d'analyse de données, de classification d'images, de prédiction de données manquantes et de réduction de dimension de données.

Ce projet, basé sur l'article intitulé "Deep learning for population size history inference: design, comparison and combination with approximate Bayesian computation" (Sanchez et al.), fournit des outils pour l'inférence de la taille de population historique en utilisant des réseaux de neurones entraînés sur des données génétiques. Il inclut un notebook illustratif, une implémentation PyTorch de l'architecture SPIDNA avec la plus faible erreur de prédiction, ainsi qu'un réseau pré-entraîné SPIDNA disponible en téléchargement.

Le projet efe-rnn est un outil d'analyse de données utilisant des réseaux de neurones récurrents (RNN) pour effectuer des prédictions et des analyses de séries temporelles. Il permet aux utilisateurs de modéliser des phénomènes complexes et d'identifier des tendances dans les données, ce qui en fait un outil précieux pour les professionnels de la finance, de la météorologie, de la physique et d'autres domaines.

Le projet Acropole est un modèle de prédiction de la consommation de carburant des avions et une bibliothèque Python pour le traitement des données de trajectoire et l'amélioration de l'efficacité énergétique des avions. Il utilise des données ouvertes sur les paramètres des avions et un modèle de réseau neuronal entraîné pour fournir des prédictions précises.