Ce projet propose une évaluation comparative de méthodes d'apprentissage fédéré regroupées par clusters. Il permet d'analyser et de comparer les performances de différents modèles de machine learning dans un contexte distribué, en utilisant des jeux de données standardisés comme MNIST ou CIFAR-10. Les résultats sont visualisés sous forme de tableaux et de graphiques pour faciliter l'interprétation des métriques.

GraFlag est un framework open source conçu pour orchestrer des expériences de détection d'anomalies dans les graphes (GAD). Il permet de déployer, exécuter et évaluer des méthodes d'apprentissage automatique sur des clusters Docker Swarm, en utilisant un stockage partagé pour les données et les résultats. L'outil facilite la comparaison de performances entre différentes approches et assure la reproductibilité des expériences.

Projet académique visant à implémenter l'algorithme PageRank, utilisé par Google pour mesurer la popularité des pages web. Il analyse les liens entre les pages pour déterminer leur importance relative. Le projet inclut des scripts en Pig et Spark pour comparer leurs performances sur des clusters cloud. Les résultats expérimentaux permettent d'évaluer l'efficacité des deux approches en fonction du nombre de machines utilisées.

Ce projet fournit des tests et des définitions pour valider des logiciels de calcul scientifique comme FDMNES. Il permet d'évaluer les performances et la stabilité de ces outils sur des clusters de calcul haute performance, notamment ceux du ESRF et du GSI. Les configurations matérielles variées permettent d'analyser l'adéquation entre les logiciels et les infrastructures.

Outil dédié à la simulation et à l'analyse des systèmes de calcul haute performance. Il permet de modéliser les comportements des utilisateurs, d'optimiser l'ordonnancement des tâches et d'évaluer la consommation énergétique des infrastructures. Idéal pour les chercheurs et les administrateurs de clusters souhaitant améliorer l'efficacité des systèmes.

Batsim est un simulateur de tâches et de ressources pour les environnements de calcul haute performance. Il permet de modéliser et d'analyser le comportement des machines, des tâches et des workflows dans des clusters informatiques. L'outil est utilisé pour évaluer des politiques d'ordonnancement, optimiser l'utilisation des ressources et réduire la consommation énergétique des infrastructures.

Ce projet permet d'évaluer et comparer les performances de différents frameworks (Pig et PySpark) pour calculer le PageRank sur de grands jeux de données. Il inclut la gestion de clusters cloud, l'exécution de tâches distribuées et l'analyse des résultats obtenus. L'objectif est d'optimiser le traitement de données massives en mesurant l'impact du nombre de nœuds de calcul sur les performances.