Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Thaliadb est une plateforme dédiée à la manipulation, l'analyse et la visualisation de données structurées. Elle permet aux utilisateurs de transformer des jeux de données complexes en informations exploitables, d'automatiser la génération de rapports et de faciliter la gestion de bases de données relationnelles. L'outil s'adresse aux développeurs, data scientists et analystes cherchant à optimiser leurs workflows de traitement de données.
- Ce projet est un modèle de base de données relationnelle conçu pour stocker et analyser des données scientifiques liées au GIEC (Groupe d'experts intergouvernemental sur l'évolution du climat). Il permet d'importer des données depuis des fichiers CSV, de les structurer dans une base de données (MySQL ou SQLite), et d'effectuer des requêtes complexes pour générer des visualisations et des analyses. L'objectif est de faciliter la recherche et la compréhension des données climatiques et environnementales.
- Notoriété 10 %ConnectionLens est un outil d'intégration et d'exploration de données hétérogènes (JSON, XML, HTML, CSV, RDF, bases de données relationnelles, fichiers texte, PDF) au sein d'un graphe unique. Il identifie les entités nommées (personnes, organisations, lieux, dates) dans les documents et relie les données entre elles via ces entités partagées. L'utilisateur peut ensuite interroger le graphe pour découvrir des connexions entre les données, par exemple pour analyser des liens entre des déclarations publiques et des entreprises, ou explorer des relations complexes dans des jeux de données interconnectés.
- MiniVAN est une interface web dédiée à l'analyse et à la visualisation de réseaux complexes. Elle permet aux utilisateurs d'explorer des graphes de données relationnelles, d'appliquer des filtres et des critères de tri, et de générer des visualisations interactives. L'outil facilite l'identification des structures, des densités et des motifs au sein des réseaux, ainsi que l'export des données pour des analyses approfondies ou des présentations.
- Musette est une bibliothèque R dédiée à l'analyse et à la modélisation de réseaux complexes. Elle permet d'évaluer des scores sur des graphes, de détecter des composantes connexes et de générer des structures arborescentes optimisées. L'outil facilite l'exploration de données relationnelles et l'identification de motifs dans des réseaux, utile pour des applications en recherche opérationnelle ou en science des données.
- Projet dédié à l'analyse avancée de graphes et réseaux complexes. Il permet d'identifier, compter et comparer des motifs structurels (sous-graphes) au sein de grands ensembles de données relationnelles. Les outils développés facilitent l'exploration de propriétés topologiques et la détection d'anomalies dans des réseaux sociaux, biologiques ou technologiques.
- Ce projet développe une solution basée sur les technologies du Web sémantique pour intégrer et structurer les données du secteur de la vente au détail. Il permet de créer des graphes de connaissances à partir de données relationnelles ou de fichiers CSV, facilitant ainsi l'analyse des relations complexes entre produits, clients et opérations commerciales. L'objectif est d'améliorer l'efficacité des processus métiers et d'enrichir l'expérience client grâce à une modélisation sémantique flexible et extensible.
- Nansi est un outil dédié à l'analyse et à la visualisation de réseaux complexes. Il permet aux utilisateurs d'importer, transformer et visualiser des données relationnelles sous forme de graphes interactifs. Idéal pour les chercheurs, data scientists ou toute personne souhaitant explorer des structures de données interconnectées, il facilite l'identification de motifs, la détection de communautés et l'export de visualisations personnalisées.
- Abstra est un système d'abstraction de jeux de données qui génère automatiquement des schémas entité-relation (E-R) à partir de données structurées ou semi-structurées comme RDF, JSON, XML ou des bases de données relationnelles. Il identifie les entités principales, leurs attributs et les relations entre elles pour faciliter l'analyse et l'exploitation des données. L'outil est particulièrement utile pour les chercheurs, les data scientists et les développeurs souhaitant comprendre et structurer des jeux de données volumineux ou complexes.
- Ce projet développe des méthodes mathématiques pour optimiser le transport de tenseurs, notamment dans le cadre de l'analyse de données structurées comme les graphes. Il permet de comparer, apparier ou partitionner des ensembles de données complexes en utilisant des algorithmes avancés d'optimisation et de transport optimal. Les applications incluent l'apprentissage automatique sur des données relationnelles, la reconnaissance de motifs ou l'optimisation de réseaux.
25 initiatives
10