Ce projet automatise la génération d'inférences à partir de modèles de machine learning. Il permet de traiter des données structurées pour produire des prédictions ou des classifications, facilitant ainsi la prise de décision automatisée. Les modèles sont déployés dans un conteneur Docker pour une exécution reproductible et scalable.

Ce projet est un moteur d'inférence conçu pour résoudre des problèmes complexes en appliquant des règles logiques et des faits prédéfinis. Il permet d'automatiser des raisonnements déductifs, d'analyser des données pour en tirer des conclusions, et d'aider à la prise de décision dans divers domaines comme l'intelligence artificielle ou l'aide à l'expertise.

Ce projet permet de gérer, convertir et analyser des données issues de dispositifs IoT (Internet des Objets) en utilisant des règles sémantiques. Il facilite l'intégration de capteurs connectés, automatise la conversion de données (par exemple, de Kelvin à Celsius) et permet d'inférer de nouvelles informations à partir des données existantes. L'objectif est de centraliser et structurer les métadonnées des dispositifs pour une analyse plus poussée.