Pipeline bioinformatique construit avec Snakemake pour l'analyse de données NGS environnementales de métabarcoding d'ADN environnemental, y compris le démultiplexage, le filtrage et le clustering de séquences en Operational Taxonomic Unit (OTU). Il est initialement testé avec des échantillons d'ADN environnemental marin et est adapté à tout type d'organismes et d'environnements.

Ce projet implémente un algorithme de clustering permettant de générer des courbes de dispersion à partir de données pré-calculées et de courbes de dispersion préalablement sélectionnées. Les courbes de dispersion sont ajustées à l'aide de splines lissées et les incertitudes sont estimées en ajustant une fonction gaussienne sur les panneaux FTAN moyens.

This project uses the Louvain community detection algorithm to group together news events and Twitter events that deal with the same subjects. This can help users to quickly identify related stories and events, and to understand the broader context in which they are taking place.

Ce projet implémente une étude de faisabilité sur la mise en œuvre de la méthode de l'ensemble dominant minimum (MDS) pour le clustering sous contraintes de rayon. Il fournit des fonctionnalités de benchmarking et de comparaison de résultats.

OrdinalClustering est une méthode permettant de comparer une classification (clustering) à une partition avec classes ordinales. Cela peut être utilisé dans le cadre de l'analyse de données pour évaluer la qualité de différentes méthodes de classification en fonction de leur capacité à reproduire une partition de référence avec classes ordinales.

Ce projet contient le code utilisé dans l'article intitulé "Clustering-Based Inter-Regional Correlation Estimation" qui permet d'estimer les corrélations inter-régionales à l'aide d'une méthode basée sur le clustering. Le dépôt comprend un notebook permettant de générer les figures et le contenu des tableaux de l'article, ainsi qu'un script R fournissant un exemple de correlation estimation sur des données simulées.

Le projet cluster-monitor permet de surveiller l'état d'un cluster de calcul en temps réel. Il fournit une visualisation de l'utilisation des ressources et des alertes en cas de défaillance ou de sous-utilisation des ressources. Cela permet aux administrateurs de cluster de détecter rapidement les problèmes et de prendre les mesures nécessaires pour y remédier.

Le projet cluster-monitor-2 est une solution de surveillance et d'analyse de l'état de fonctionnement de grappes informatiques. Il permet de détecter rapidement les anomalies de performance et d'alerter les équipes en charge de leur maintenance. Grâce à une interface de visualisation claire et intuitive, il facilite la compréhension de l'état de santé des grappes et permet de prendre des décisions éclairées pour en améliorer les performances.

ClusterShell est une bibliothèque Python open source événementielle, conçue pour exécuter des commandes localement ou à distance en parallèle sur des fermes de serveurs ou sur de grands clusters Linux. Elle prend en charge les problèmes courants rencontrés dans les clusters haute performance, tels que l'exécution de commandes distribuées à l'aide d'algorithmes d'exécution optimisés, la collecte de résultats et la fusion des sorties identiques, ou la récupération des codes de retour.

Ce projet contient les matériaux permettant de répliquer le processus expérimental réalisé pour l'article *Energy vs Responsiveness Trade-off in EASY Back Filling* soumis à la conférence IEEE Cluster 2017. Il inclut des scripts Kameleon pour construire le stack logiciel utilisé, une description de l'expérimentation et des résultats de simulation.