SCALPEL3 est un framework open-source conçu pour extraire des concepts médicaux de manière évolutive, reproductible et facile à partir de grandes bases de données observationales (LODs), avec un focus actuel sur les données du Système National des Données de Santé (SNDS) français. Il est basé sur PySpark et est composé de trois modules : SCALPEL-Flattening pour la dénormalisation des données, SCALPEL-Extraction pour l'extraction de concepts médicaux et SCALPEL-Analysis pour l'analyse de données de cohortes.

EPIQUE est un prototype d'outil d'analyse de l'évolution de la science dans les archives de documents. Il permet l'extraction et l'alignement de sujets à partir de corpus de documents, ainsi que la visualisation de graphes d'évolution de sujets. Il est implémenté sur Apache Spark et Jupyter Notebook et est utilisé pour étudier l'évolution de la science dans les corpus de documents.

Ce projet vise à fournir un environnement d'apprentissage pratique pour les étudiants de la filière GGMD (Génie Geographique, Mobilité et Données) de l'Université Lyon 1. Il est composé de plusieurs TPs couvrant différents aspects de la conception et du déploiement de bases de données réparties, l'optimisation des performances pour le traitement de grandes quantités de données, l'analyse de données astronomiques à l'aide d'Apache Spark, et le traitement de flux de données en temps réel avec Spark Streaming et Apache STORM.

Le projet micmac-scala est dédié à la simulation et l'analyse de la propagation épidémique au sein de populations. Il offre des fonctionnalités pour intégrer des données démographiques, calculer des dérivées et générer des prévisions de flux de population.

Module Geovistory toolbox pour l'agrégation de données sur les entités, implémenté avec Apache Kafka Streams. Il permet le traitement de données géospatiales, l'analyse de graphes de connaissances et la génération de prévisualisations d'entités.

VS2N est un outil interactif basé sur le web conçu pour analyser et visualiser l'activité collectée à partir de simulateurs de réseaux neuronaux spiking. Il permet de suivre l'évolution du réseau pendant la formation, de valider des hypothèses et de déboguer tout composant récemment implémenté.

Cette API permet de rechercher le best ppn pour des documents à partir de différentes sources d'information, de traiter des fichiers kbart et d'envoyer les données vers des topics Kafka pour traitement ultérieur.

Le projet bigdata_project permet l'analyse de données massives pour découvrir des tendances et des modèles, ainsi que pour prévoir des données. Il offre une solution complète pour le traitement et l'analyse de données, y compris le nettoyage, la transformation et le chargement des données.

Ce projet calcule les valeurs minimales et maximales de la cardinalité des prédicats par sujet dans un jeu de données représenté au format .nt. Il fournit quatre algorithmes : trois pour calculer les cardinalités basées sur trois définitions différentes (Global, Local et Characteristic Set) et un pour calculer les domaines des prédicats, qui sont nécessaires pour exploiter les cardinalités locales.

Le projet rdf-kafka-sink-connector permet de transformer des données provenant de Kafka au format RDF (Resource Description Framework) et de les envoyer vers un serveur Fuseki. Il offre une gestion des erreurs et des retries configurable, ainsi qu'une flexibilité de configuration via un fichier JSON.