Ce projet mené par le PEReN étudie le framework AMP de Google en analysant ses performances et son impact sur le référencement. Il permet de comparer les résultats de recherche entre mobile et desktop, d'évaluer les métriques de performance (FCP, LCP, TTI, SI) et d'analyser les différences entre pages utilisant AMP et celles ne l'utilisant pas. Les données collectées sont exploitées via des notebooks pour des analyses approfondies.

Ce projet analyse la capacité de peering public à l'échelle mondiale en étudiant les réseaux d'interconnexion complexes. Il vise à comprendre et quantifier les performances des infrastructures internet publiques pour optimiser leur efficacité et leur résilience. Les résultats sont publiés sous forme d'article scientifique et contribuent à l'amélioration des connaissances sur l'infrastructure globale d'internet.

Application développée dans le cadre d'un examen académique pour analyser des données statistiques. Elle permet de collecter, traiter et visualiser des résultats afin d'aider à la compréhension des tendances et des performances. Destinée principalement aux étudiants et enseignants pour des besoins pédagogiques.

Ce projet vise à fournir un environnement d'apprentissage pratique pour les étudiants de la filière GGMD (Génie Geographique, Mobilité et Données) de l'Université Lyon 1. Il est composé de plusieurs TPs couvrant différents aspects de la conception et du déploiement de bases de données réparties, l'optimisation des performances pour le traitement de grandes quantités de données, l'analyse de données astronomiques à l'aide d'Apache Spark, et le traitement de flux de données en temps réel avec Spark Streaming et Apache STORM.

Ce projet est une plateforme dédiée à la formation pratique en intelligence artificielle, notamment pour l'entraînement de modèles de langage avancés comme ceux basés sur l'architecture Transformer. Il permet aux utilisateurs de configurer des environnements de calcul, de soumettre des jobs de formation sur des supercalculateurs, et d'analyser des jeux de données comme SQuAD pour évaluer les performances des modèles. Destiné aux étudiants et chercheurs, il facilite l'accès à des ressources de calcul haute performance.

Projet pédagogique permettant aux étudiants de gérer et analyser des portefeuilles de cryptomonnaies. Il offre des outils pour suivre les transactions, évaluer la performance des actifs et comprendre les mécanismes des blockchains. Destiné à un usage académique, il facilite l'apprentissage des technologies décentralisées.

Ce projet pédagogique vise à introduire les étudiants aux concepts d'analyse de performance logicielle et d'optimisation en C++. Il propose des outils pour évaluer et manipuler des produits de Hadamard, essentiels en calcul matriciel et en traitement du signal. Destiné aux cours universitaires, il facilite l'apprentissage pratique des techniques d'optimisation et de parallélisation.

Projet pédagogique visant à identifier et corriger des problèmes de performance dans des exercices de programmation. Les étudiants analysent des extraits de code pour détecter des inefficacités et proposer des optimisations. Le projet inclut des cas concrets et des retours d'expérience pour améliorer les compétences en développement logiciel.

Projet académique visant à appliquer des méthodes statistiques avancées (maximum de vraisemblance et MCMC) pour analyser des données astrophysiques. Le TP permet d'étudier la densité de matière dans un amas de galaxies et d'estimer le redshift d'une galaxie à partir de spectres réels. Les étudiants ont utilisé des outils comme scipy.optimize et emcee pour comparer les performances de différentes approches d'inférence bayésienne.

Ce projet académique permet de simuler des réseaux informatiques et d'analyser leur performance. Il inclut des exercices pratiques sur la modélisation de trafic réseau, l'étude des processus de Poisson, et l'évaluation de la latence et des taux de perte de paquets. Les étudiants utilisent des outils comme SimPy pour implémenter des scénarios de simulation et calculer des indicateurs clés comme les intervalles de confiance.