Le package shinygouv permet d'utiliser le Système de Design de l'Etat (DSFR) dans les applications Shiny, offrant ainsi une apparence cohérente et professionnelle aux applications web développées avec ce framework.

Le package bertinR est un wrapper autour de la bibliothèque JavaScript bertin.js, qui permet de créer facilement des cartes thématiques en utilisant des couches empilées. Il est basé sur D3.js et fonctionne avec des données spatiales au format GeoJSON ou Simple Features.

Le package R disaggR est une implémentation de la méthode française de désagrégation temporelle des comptes nationaux trimestriels. Il permet de plier une série temporelle avec une autre de fréquence inférieure grâce aux fonctions twoStepsBenchmark() et threeRuleSmooth().

ODAM est un système de gestion de tables de données expérimentales qui offre un accès ouvert et facilite l'exploration, la préparation et l'analyse des données. Il est conçu pour gérer et organiser les données de manière à les rendre facilement accessibles, interopérables et réutilisables.

Le package propre.rpls facilite la production de publications régionales sur le parc locatif social à partir de la source RPLS. Il contient un template bookdown paramétrable selon la région d’observation et les fonctions nécessaires à la création des commentaires et illustrations.

Application Shiny R permettant de réaliser un diagnostic territorial des mobilités résidentielles, en visualisant des données migratoires à différentes échelles géographiques et en proposant des cartogrammes originaux.

Outil de visualisation interactive pour naviguer dans le contenu du Système National des Données de Santé (SNDS). Développé par la Direction de la Recherche, des Etudes de l'Evaluation et des Statistiques grâce à la documentation collectée par la Caisse Nationale d'Assurance Maladie.

Le projet funcamp-r-grimoire est un package R dédié à la création et au déploiement de tutoriels interactifs pour l'apprentissage du langage R. Il permet de regrouper des tutoriels au format R Markdown ou Shiny dans un package R, et de les déployer via Docker. Les données nécessaires aux exercices sont gérées et stockées de manière organisée dans des sous-répertoires dédiés.

Ce projet vise à mieux comprendre les pratiques agricoles en France en 1852 en spatialisant les données du recensement de cette année. Il permet de déterminer si les productions étaient régionalisées et d'apprendre à interroger une API pour géolocaliser des données, créer un découpage géographique hors des limites administratives et visualiser des données géographiques.

Ce projet est issu d'un hackathon en data science. Il fournit des ressources pour l'analyse et la visualisation de données, ainsi que des tutoriels pour le développement d'applications web interactives et l'initiation à l'apprentissage automatique, en utilisant les langages R et Python.