Le projet deep-sequoia est un outil d'analyse de données génétiques dédié à la recherche en bio-informatique. Il permet le traitement et l'interprétation de données massives issues de séquençage à haut débit.

Le projet InExtenso est dédié à l'analyse de données massives et hétérogènes en vue d'extraire des connaissances utiles pour la prise de décision. Il vise à développer des algorithmes innovants de fouille de données et à les appliquer à des données géographiques pour répondre à des besoins concrets en matière d'aide à la décision.

Le projet ppdp-22_23 a pour objectif d'aider les décideurs publics et privés à comprendre et à prévoir les phénomènes sociaux, économiques et démographiques grâce à l'analyse et à la visualisation de données massives. Il permet de dégager des tendances et des corrélations à partir de données hétérogènes et de prédire les comportements futurs.

MassChroQ est un logiciel dédié à l'analyse de données protéomiques issues de la spectrométrie de masse. Il permet la quantification et l'alignement de données massives, offrant ainsi une gestion efficace de ces dernières et une analyse poussée.

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.

Le projet ncovsel est un outil d'aide à la sélection de variables dans des ensembles de données à n dimensions. Il permet de simplifier l'analyse de données complexes et d'optimiser la prise de décision dans le traitement de données massives. Grâce à ncovsel, il est possible d'améliorer la compréhension des relations entre variables dans les jeux de données.

Le projet mesocentre.plateau-de-saclay.eu vise à fournir des services de calcul haute performance et d'analyse de données pour la communauté scientifique du plateau de Saclay. Il offre une plateforme dédiée à la simulation numérique et au traitement de données massives, facilitant ainsi la recherche et l'innovation dans divers domaines scientifiques.

Le projet Trevas-Spark-Hadoop est une solution d'analyse et de traitement de données massives, permettant l'intégration de données en provenance de différentes sources et la visualisation de données géospatiales. Il s'appuie sur les technologies Spark et Hadoop pour offrir des fonctionnalités avancées de traitement et d'analyse de données.

Projet SUPEC-J2 dédié à la supervision de systèmes dynamiques, à l'analyse de données massives et à l'utilisation d'intelligence artificielle pour la détection d'activités anormales.

Ce projet propose des tutoriels sous forme de calepins (jupyter notebooks) pour introduire les principaux concepts et fonctionnalités du langage Python en insistant sur ceux indispensables au statisticien. Il couvre la syntaxe, les objets et classes, les techniques de préparation de données, l'analyse de données massives, l'exploration, la modélisation et l'apprentissage machine.