Le projet Pyspark Playground est un environnement de développement et d'apprentissage dédié à l'utilisation de PySpark, un framework open-source pour le traitement et l'analyse de données à grande échelle. Il permet de créer des workflows de données distribués et de faciliter l'intégration de données entre différentes sources.

Corr_matrixpi est un projet permettant le calcul et l'analyse de matrices de corrélations pour des données financières à grande échelle. Il permet de détecter des tendances et des corrélations dans les données, facilitant ainsi la prise de décision financière.

Melissa est un cadre évitant les fichiers, tolérant aux pannes et élastique pour effectuer une analyse de sensibilité à grande échelle sur des supercalculateurs. Il traite les données en ligne, évitant ainsi le stockage intermédiaire de fichiers et permettant des études à grande échelle avec des millions de simulations parallèles. Melissa est construit autour de deux concepts clés : les algorithmes statistiques itératifs et le modèle asynchrone client/serveur pour le transfert de données.

Bibliothèque C++ parallèle pour l'analyse de données multivariées de grands ensembles de données. Comprend des méthodes pour le calcul de la décomposition en valeurs singulières (SVD), la décomposition en valeurs singulières aléatoires (RSVD), l'analyse en composantes principales (PCA), l'analyse multidimensionnelle d'échelle (MDS) et l'analyse des correspondances (CoA). Gère les fichiers texte et HDF5.

Le projet cdtn-nlp a pour objectif d'analyser et de comprendre des données textuelles à grande échelle en utilisant des techniques avancées de traitement automatique des langues (TAL) et de l'apprentissage automatique. Il permet d'extraire des informations utiles et de catégoriser des données textuelles pour faciliter la prise de décision et l'automatisation de processus métiers.

Ce projet vise à introduire les approches computationnelles pour l'étude des systèmes biologiques. Grâce à des techniques expérimentales novatrices, le fonctionnement des systèmes biologiques peut désormais être exploré avec une précision quantitative au niveau du génome. Ce cours propose une introduction aux aspects bioinformatiques et statistiques de l'analyse de données biologiques à grande échelle (OMICs) et offre des exercices pratiques pour approfondir la compréhension de concepts clés par une expérience concrète sur des jeux de données choisis.

Le projet scaff10x vise à fournir des outils pour le développement et la documentation de recherches en biologie. Il permet la génération de modèles 3D, l'analyse de données génomiques à grande échelle et l'intégration de données multi-omiques pour une meilleure compréhension des systèmes biologiques.

Ural est une bibliothèque Python qui fournit des fonctionnalités d'analyse et de manipulation d'URLs. Elle permet de normaliser, de dédupliquer et d'extraire des liens à partir de HTML. Elle est particulièrement utile pour les projets de crawl web ou de traitement de données à grande échelle.

Le projet datapol est une application d'analyse et de visualisation de données. Il permet de traiter des données à grande échelle, d'appliquer des algorithmes d'apprentissage automatique et de visualiser les résultats grâce à des représentations graphiques interactives.

Ce projet est une plateforme d'analyse de données hébergée sur Google Cloud Platform. Il permet de collecter, traiter, et analyser des données à grande échelle grâce à des outils tels que BigQuery, Airflow, et TensorFlow.