Projet académique visant à concevoir et entraîner des modèles de deep learning pour la conduite autonome de véhicules. Utilise un simulateur 3D pour valider les performances des algorithmes avant leur déploiement potentiel sur des véhicules réels. Permet aux étudiants de tester et d'optimiser des solutions d'intelligence artificielle dans un cadre sécurisé et contrôlé.

Ce projet est une bibliothèque logicielle dédiée à la recherche et à la validation de racines multiples pour des polynômes univariés denses, réels ou complexes. Il implémente des algorithmes avancés pour calculer des approximations numériques des racines et leurs multiplicités, puis fournit des méthodes garanties pour obtenir des encadrements rigoureux de ces racines. Utilisé principalement en mathématiques appliquées et en calcul scientifique, il permet d'améliorer la précision des solutions dans des contextes où la rigueur est essentielle.

BinPack est un projet académique et technique dédié à l'étude et à la résolution du problème classique de bin packing, un problème d'optimisation combinatoire NP-difficile. Il explore les propriétés des problèmes NP, les réductions polynomiales entre problèmes algorithmiques, et propose des implémentations pour valider ces concepts théoriques. Le projet sert de support pédagogique pour comprendre les liens entre complexité algorithmique, certificats de solutions et réductions entre problèmes.

Ce projet propose un cadre méthodologique pour la vérification et la validation de modèles de simulation, notamment ceux utilisés dans SOFA. Il s'appuie sur des solutions manufacturées et des comparaisons avec d'autres technologies de simulation pour garantir la fiabilité et la conformité des algorithmes et modèles développés.

Ce projet centralise et met à disposition des jeux de données dédiés aux tests techniques ou fonctionnels. Il permet aux développeurs et testeurs d'accéder à des ensembles de données variés et volumineux, couvrant différents formats et cas d'usage, afin de valider des solutions ou des algorithmes sans avoir à générer eux-mêmes ces données.

Ce projet implémente une solution pour classer les magasins de détail en fonction de leurs ventes annuelles en utilisant un jeu de données réel. Il comprend des algorithmes de nettoyage et de préparation de données pour gérer les caractéristiques catégorielles sales, ainsi qu'une méthode de classification des produits en utilisant une hiérarchie de produits locale. Les résultats sont validés en comparant avec des jeux de données étiquetés manuellement.

Ce projet permet d'intégrer l'authentification ProConnect, une solution d'identité numérique sécurisée pour les agents publics. Il facilite l'accès unique à divers services en ligne en utilisant des standards ouverts comme OAuth 2.0 et OpenID Connect. Le projet gère la génération de liens de connexion, la validation des tokens JWT, et la récupération des informations utilisateur, tout en assurant une sécurité renforcée via des algorithmes de chiffrement modernes.