Ce projet est une formation en ligne (MOOC) sur l'apprentissage automatique en Python, utilisant la bibliothèque scikit-learn. Il comprend des notebooks Jupyter interactifs, des leçons en texte enrichi et des visualisations de données avec Matplotlib, Seaborn et Plotly. Les étudiants peuvent apprendre à leur propre rythme et bénéficier de fonctionnalités supplémentaires telles que des quiz et un forum de discussion.

OpenMOLE est une plateforme open-source développée depuis 2008 pour l'étude et l'optimisation de modèles numériques. Elle offre des outils pour exécuter, explorer, diagnostiquer et optimiser des modèles, en tirant parti d'environnements d'exécution distribués. Avec OpenMOLE, vous pouvez explorer des modèles déjà développés dans divers langages (Java, exécutables binaires, NetLogo, R, SciLab, Python, C++, etc.).

LODEX est un outil permettant la publication d'un jeu de données dans des formats du web sémantique, et qui propose de les manipuler dans une interface d'administration dédiée. Il permet aussi d'exposer ces données sur le web, et même d'en faire des graphiques.

MonitorFish est une application web développée pour le Centre National de Surveillance des Pêches (CNSP) et ses partenaires, permettant de visualiser et d'analyser les activités de pêche en temps réel et historiques. L'application offre des fonctionnalités de surveillance des activités de pêche, de détection de fraudes en temps réel, et de visualisation de données de pêche sur une carte interactive.

Plateforme d'exercices de programmation interactive et automatiquement corrective, offrant une interface intuitive pour les étudiants et des fonctionnalités simplifiées pour les enseignants.

Ce projet a pour but de fournir des exemples d'utilisation de différentes librairies Python dédiées au traitement de données et à l'analyse statistique. Il permet de comprendre et d'expérimenter avec des outils tels que scikit-learn, scikit-image, SciPy, Pandas, Matplotlib, Plotly.js, et d'autres encore.

Formation au MLOps avec MLFlow pour acquérir les connaissances et les compétences nécessaires à la mise en œuvre de pratiques MLOps, en utilisant des outils tels que MLFlow. Exploration des aspects de la gestion du cycle de vie des modèles de machine learning, du développement à la production, à travers cinq chapitres.

SISPPEO est un package Python open source avec une interface de ligne de commande (CLI) permettant d'extraire des informations synthétiques utiles pour l'observation de la Terre (eau et terre) a partir d'images satellites optiques. Il est conçu pour fonctionner avec des images provenant de divers satellites, tels que Sentinel-2/MSI, Sentinel-3/OLCI et Landsat 8/OLI.

Démonstration d'une petite application cliente utilisant la facade [DefinitelyScala/scala-js-plotlyjs](https://github.com/DefinitelyScala/scala-js-plotlyjs) pour plotly-js, permettant de construire des graphiques 2D avec Scala.js.

Ce projet permet l'analyse et la visualisation de données à l'aide de notebooks. Il offre également la possibilité de décrire des workflows d'exécution et de les automatiser grâce à Airflow.