Le projet force_torque_sensor_analysis a pour but d'analyser les données provenant de capteurs de force et de couple. Il permet de détecter les valeurs anormales et de fournir une visualisation en temps réel des données collectées. Cet outil est particulièrement utile dans les domaines industriels où la surveillance des capteurs est cruciale pour assurer la sécurité et la qualité des processus de production.

Le projet ant4rotor est un programme Python open source conçu pour acquérir des données détaillées sur la dynamique de pédalage d'un vélo équipé d'un capteur de puissance ROTOR 2INPOWER. Il utilise le protocole de communication ANT+ pour communiquer avec les capteurs et permet de dépasser les limitations de fréquence d'acquisition des données par défaut pour atteindre 50 Hz. Cela permet d'analyser les données de pédalage en temps réel et d'obtenir des informations précises sur la position du pédalier, la cadence, la puissance moyenne, la force de pédalage sur les deux côtés indépendamment et plus encore.

Le projet Designer est une interface graphique basée sur le SDK OpenViBE. Il permet la conception de scénarios pour l'acquisition et l'analyse de données biomédicales, ainsi que la visualisation de données en temps réel. Il offre également la possibilité de configurer les paramètres des algorithmes de traitement des données.

Le projet gpu-full est une plateforme dédiée à la recherche et à l'analyse de données. Il permet aux chercheurs et aux data scientists de développer et de déployer des modèles de machine learning, de visualiser et d'analyser des données en temps réel, et de gérer leurs projets de recherche. Grâce à une interface utilisateur intuitive et à des fonctionnalités avancées, il offre un environnement de travail complet et performant pour les chercheurs et les data scientists.

Plateforme dédiée à la transmission sécurisée et collaborative de documents entre administrations et organismes publics ou privés. Elle permet de créer des espaces de dépôt personnalisés, de concevoir des questionnaires adaptés, et de suivre en temps réel les réponses déposées. Les utilisateurs peuvent gérer des équipes, attribuer des accès, et exporter les données collectées pour analyse ou archivage. Idéale pour les procédures administratives complexes ou les enquêtes publiques.

Le projet Force_of_Infection_Lidiski est une application dédiée à la modélisation et l'analyse de la dynamique des maladies infectieuses. Il permet de simuler la propagation de maladies dans différents scénarios épidémiologiques, en prenant en compte les données réelles de terrain. Cet outil vise à aider les décideurs dans la gestion des épidémies et la mise en place de stratégies de contrôle des maladies infectieuses.

Le projet yasmine-k8s est une plateforme de gestion, visualisation et analyse de données sismologiques. Il permet aux utilisateurs de déployer et gérer des capteurs sismiques, de collecter et visualiser les données en temps réel sur une carte géographique, ainsi que d'effectuer des analyses avancées pour détecter et prévoir les séismes.

Ce projet concerne la Science des Données, l'Apprentissage Statistique et l'Intelligence Artificielle. Il propose des tutoriels sous forme de calepins (jupyter notebooks) en R ou Python pour l'acquisition de compétences dans ces domaines, en s'appuyant sur des scénarios d'analyse de données réelles. Les aspects théoriques (mathématiques, statistiques) sont approfondis grâce à des vignettes détaillées sur le site wikistat.fr.

Le projet test-1-journee est dédié à la gestion, visualisation et analyse de données météorologiques. Il permet de collecter, stocker et traiter des données météorologiques en temps réel ou historiques, de les visualiser sous forme de graphiques et de cartes, et d'analyser les tendances météorologiques pour aider à la prise de décision.

Le projet flink-datacenter est une solution de traitement et d'analyse de données en temps réel, basée sur Apache Flink. Il permet de gérer des workflows de traitement de données complexes et distribués, en offrant des fonctionnalités avancées telles que la gestion de flux de données, l'intégration avec des bases de données relationnelles et NoSQL, et la possibilité de définir des règles de transformation et d'agrégation des données.