Le vendredi 20 juin prochain, nous accueillerons à Palaiseau Maëlle Salmon pour un nouvel atelier HappyR.
Résumé : Une pratique confiante de Git peut changer la vie professionnelle de toute personne écrivant du code ou de la prose avec R, résultant en un historique utile à parcourir ou à consulter, la possibilité de travailler en parallèle sur différents aspects, etc.
Dans cet atelier, Toby Dylan Hocking, Professeur Agrégé, UdeS Département d’Informatique nous a présenté le package R {data.table}.
Résumé : {data.table} is one of the most efficient open-source in-memory data manipulation packages available today.
Dans cet atelier, Toby Dylan Hocking, Professeur Agrégé, UdeS Département d’Informatique nous a présenté le package R {animint2}.
Résumé : Dans la visualisation de données, les graphiques interactifs permettent de cliquer sur des éléments d’un graphique, pour ensuite changer ce qui est affiché dans un autre graphique.
Lors de cet atelier, Pierre Barbillon et Emré Anakok nous ont présenté les réseaux de neurones graphiques puis leur implémentation avec pytorch geometric.
Aide à l’installation Pour l’installation de Python et la création d’environnement pour ceux qui n’ont pas l’habitude de Python
Lors de cet atelier, Lucia Clarotto nous a partagé son retour d’expériences sur l’utilisation de quarto pour créer son site personnel. Les documents disponibles sur le site de Samantha Csik ont été particulièrement utiles.
Lors de cet atelier, Christophe Regouby nous a présenté le package R {torch} ainsi que d’autres packages associés.
Résumé : Il s’agit d’un atelier d’exploration des possibilités de {torch} et de son écosystème mlverse de packages.
Lors de cet atelier, Cédric Midoux et Mahendra Mariadassou nous ont présenté quarto.
Résumé : Quarto est un système de publication scientifique et technique open-source, basé sur Pandoc. Il permet de :
Antoine Bichat et Julie Aubert ont rejoué le tutoriel donné aux rencontres R 2024 pour apprendre à créer un"pipeline" complet pour l’apprentissage automatique avec {tidymodels}.
Résumé : {Tidymodels} regroupe un ensemble de packages facilitant l’utilisation de méthodes d’apprentissage statistique (telles que les forêts aléatoires, modèles linéaires bayésien ou non…) dans un cadre unifié et “tidy”.
Jérémy Lamouroux et Florian Teste nous ont préparé un atelier autour du package R {terra} le nouveau package remplaçant {raster} pour faire de l’analyse spatiale en plus rapide, plus facilement avec plus de possibilités.
Présentation de {pyPLNmodels} Bastien Batardière nous présente le package python {pyPLNmodels}, conçu spécifiquement pour l’analyse de données de comptage. Ce package repose sur les modèles PLN et PLN-PCA (Chiquet, Mariadassou, and Robin 2018, 2021), qui font l’hypothèse d’une couche latente gaussienne.