Ce projet utilise des données satellites pour détecter et analyser les habitats spontanés. Il permet de définir le type de données satellites à utiliser, le département et l'année d'utilisation, ainsi que le type d'annotateur et la taille des buffers. Le pipeline d'entraînement complet est contenu dans le fichier src/run_training_pipeline.py et peut être lancé en définissant le fichier config.yaml et en exécutant la commande python src/run_training_pipeline.py <remote_server_uri> <experiment_name> <run_name>.

Ce projet académique développe des outils pour manipuler des polyèdres en trois dimensions. Il permet de les représenter, les importer et exporter depuis des fichiers au format OBJ, et de les décomposer en composantes connexes pour une analyse structurelle. Les algorithmes implémentés facilitent l'étude des propriétés géométriques et topologiques des modèles 3D, avec une approche modulaire et optimisée pour la gestion dynamique de la mémoire.

Ce projet permet de générer des paquets Debian (.deb) pour déployer OpenSearch, une suite logicielle open source dédiée à la recherche et à l'analyse de données. Il facilite l'installation et la maintenance de cette solution sur des systèmes basés sur Debian Bullseye, en automatisant le processus de création des fichiers d'installation.

Ce projet vise à structurer et analyser les données publiques des décès en France depuis 1971 sous forme de graphes sémantiques. Il permet de transformer des fichiers CSV en données RDF exploitables pour des recherches avancées ou des analyses statistiques. Les données sont organisées par tranches d'années et par villes, facilitant leur réutilisation par des chercheurs, institutions ou développeurs.

Ce projet permet de convertir des fichiers de logs au format JSONL en fichiers Parquet, facilitant ainsi leur traitement et leur analyse. Il est conçu pour optimiser les données de décès en vue de leur exploitation par des outils d'analyse ou de visualisation.

Ce projet permet de générer des bases de données démographiques et géographiques synthétiques pour différents territoires (métropole, La Réunion). Il combine des données de population, de ménages et de découpage territorial pour produire des fichiers exploitables en analyse spatiale. Les données sont disponibles sous plusieurs formats (GeoPackage, Parquet, MBTiles, PMTiles) pour faciliter leur utilisation dans des outils de visualisation ou d'analyse.

Ce projet utilise un modèle de langage (LLM) pour transformer des fichiers de métadonnées décrivant des tableaux statistiques en formats exploitables par des outils d'analyse et de diffusion. Il permet aux producteurs de données de décrire leurs tableaux via un classeur, puis de générer automatiquement un fichier structuré et validé, facilitant ainsi la publication et l'analyse des données statistiques.

Ce projet automatise l'extraction et la structuration des informations médicales contenues dans les Résumés des Caractéristiques du Produit (RCP) des médicaments. Il permet de transformer des fichiers HTML en données exploitables pour des analyses statistiques, des rapports ou des intégrations dans des pipelines de données. L'objectif est de faciliter l'accès et l'exploitation des données réglementaires des médicaments pour les professionnels de santé ou les organismes publics.

Outil autonome conçu pour détecter des fichiers PE (Portable Executable) anormaux parmi les données NTFSInfo collectées par DFIR-ORC sur des systèmes Microsoft Windows. Il classe les fichiers PE du plus au moins anormal, permettant aux analystes en réponse aux incidents de prioriser leurs investigations. L'outil utilise des algorithmes de détection d'anomalies traditionnels et basés sur des graphes, sans analyser en profondeur le contenu binaire des fichiers. Il s'intègre facilement aux workflows de forensic et génère des rapports visuels et des fichiers CSV pour une analyse approfondie.

Ce microservice analyse des fichiers pour en évaluer la qualité, en se concentrant principalement sur la détection d'images floues. Il écoute une file d'attente RabbitMQ pour recevoir des tâches d'analyse. Une fois un fichier reçu, il est téléchargé, préparé (conversion PDF en images si nécessaire), puis analysé pour déterminer son niveau de netteté. Les résultats sont ensuite enregistrés dans une base de données.