Le projet swh-scrubber vise à nettoyer et consolider les données de dépôts de code source, en supprimant les données inutiles ou redondantes, permettant ainsi une optimisation de l'espace de stockage dans les systèmes de gestion de versions. Il utilise des techniques avancées de compression de données et d'analyse de dépendances pour garantir l'intégrité et la fonctionnalité des dépôts après le nettoyage.

Mseed-lib est une bibliothèque permettant de lire et d'écrire des fichiers miniSEED, un format international standard pour l'échange de données sismologiques. Elle permet d'importer des données sismiques dans Matlab/Octave sans conversion intermédiaire, en offrant un contrôle total sur les en-têtes et les formats. mseed-lib est respectueuse de la norme SEED et peut lire n'importe quel fichier miniSEED, quel que soit le format d'encodage, le multiplexage des canaux, l'échantillonnage des données, le format d'encodage mixte, la taille de bloc mixte et même l'endianness. Elle peut également détecter automatiquement les fichiers codés en big/little-endian et prend en charge plusieurs formats d'enregistrement et de compression de données.

Ce projet fournit des notebooks Jupyter démonstratifs pour accompagner un article de revue sur l'apprentissage compressif. Il contient des exemples interactifs et visuels pour illustrer les concepts d'apprentissage compressif, la quantification des contributions de sketching et l'économie de ressources computationnelles sur des jeux de données à très grande échelle.

Le projet MLA est une bibliothèque Rust permettant la création et la manipulation d'archives de données chiffrées et compressées. Il offre des fonctionnalités telles que la réparation d'archives endommagées, la gestion de plusieurs destinataires pour le chiffrement et la lecture/écriture séquentielle ou aléatoire des archives.

Seqtk est un outil léger et rapide pour le traitement de séquences biologiques au format FASTA ou FASTQ. Il prend en charge la lecture des deux formats de fichiers, qui peuvent être compressés avec gzip. Il est utilisé dans l'analyse de données biologiques, telles que l'alignement de séquences, le filtrage de données, etc.

Le projet swh-graph fournit une représentation compressée de graphes et des outils pour stocker et interroger des données de graphes. Il est particulièrement utile pour l'analyse de réseaux sociaux et de dépendances logicielles.

Projet ANR ECLATS Lot 2 vise à préparer et encoder les données de l'Atlas Linguistique de la France, améliorer la qualité des cartes numérisées, décomposer le contenu des cartes en couches sémantiques et assurer une structuration et compression efficaces des données.

AllMine est un outil d'analyse de données de séquençage permettant le minage d'allèles à partir de régions d'intérêt spécifiées. Il prend en charge les séquençages d'ADN et d'ARN, paired ou single end, avec une longueur de lecture maximale de 350bp. Les données de séquençage doivent être au format fastq et peuvent être compressées en gzip. Un fichier CSV décrivant les échantillons, une référence génomique au format fasta et une annotation au format gff ou gtf sont nécessaires pour l'exécution d'AllMine.

Le projet data_oblivion est une solution de compression de données utilisant une représentation arborescente en mémoire. Cette approche permet de compresser des modèles en construisant un arbre binaire équilibré, où les modèles sont les feuilles de l'arbre. Les nœuds internes de l'arbre peuvent avoir zéro, un ou deux enfants.

Le projet speasy_proxy est une solution dédiée à l'optimisation de la bande passante et à la gestion des flux de données. Il permet d'accélérer la diffusion de contenu en utilisant des techniques de mise en cache et de compression.