Ce projet est un tutoriel qui vise à introduire des problématiques liées à l'analyse de données réelles dans les entrepôts de données de santé. Il s'adresse aux data scientists qui maîtrisent les bases de la programmation Python et de l'analyse de données. Le tutoriel est composé d'une série d'exercices et d'un projet final qui simule une étude de recherche complète qui pourrait être publiée dans un article scientifique.

Projet de l'Ecolab visant à produire des outils d'aide à l'analyse d'études d'impact environnemental via du Machine Learning et du Natural Language Processing. Il permet la détection et l'extraction de sommaires de documents PDF, l'analyse de l'importance des enjeux dans un texte et le résumé automatique de sections de texte.

Ce projet est une étude détaillée de l'histoire économique du port de Marseille à la veille de la Révolution française. Il propose une série de storymaps combinant texte et visualisation, ainsi qu'un atlas permettant de naviguer et de partager les visualisations créées pendant la recherche. Ce projet s'appuie sur deux projets d'histoire numérique existants : Toflit18 et Navigo.

SIANCE est une application permettant de centraliser et d'analyser les données issues des inspections nucléaires réalisées par l'Autorité de Sûreté Nucléaire (ASN). Elle offre une visualisation claire et interactive des données réglementaires, facilitant le suivi des actions correctives et l'analyse des tendances.

Ce projet mené par le PEReN étudie le framework AMP de Google en analysant ses performances et son impact sur le référencement. Il permet de comparer les résultats de recherche entre mobile et desktop, d'évaluer les métriques de performance (FCP, LCP, TTI, SI) et d'analyser les différences entre pages utilisant AMP et celles ne l'utilisant pas. Les données collectées sont exploitées via des notebooks pour des analyses approfondies.

Ce projet est un projet de deep learning implémenté en Python. Il consiste en un notebook contenant un modèle de deep learning et des algorithmes. Le projet est structuré en plusieurs répertoires : le notebook principal, un répertoire contenant le jeu de données utilisé pour l'entraînement et les tests, un répertoire contenant les résultats d'évaluation et les métriques de performance, et un répertoire contenant l'application web.

FilePizza permet de partager des fichiers directement entre utilisateurs via une connexion peer-to-peer sécurisée, sans passer par un serveur intermédiaire. L'outil génère un lien temporaire que les destinataires peuvent utiliser pour télécharger le fichier directement depuis l'ordinateur de l'expéditeur. Idéal pour des transferts rapides, privés et sans stockage centralisé, il fonctionne dans un navigateur web et utilise le chiffrement automatique des données.

Gabarit est un ensemble de modèles Python pour les projets de science des données. Il permet de générer une base de code incluant de nombreuses fonctionnalités pour accélérer la production et les tests de modèles d'IA. Vous pouvez vous concentrer sur l'essentiel de la science des données.

Outil d'analyse et de visualisation dédié à la détection des changements saisonniers des terres à partir de séries temporelles d'indices de végétation (NDVI MODIS). Il permet aux utilisateurs de définir une zone d'intérêt, de télécharger et traiter des données satellites, d'identifier des points de rupture dans les séries temporelles, et de générer des cartes et métriques pour évaluer les transitions d'usage des sols ou les perturbations environnementales. L'application facilite l'inspection interactive des résultats et l'export des données traitées.