Ce projet vise à optimiser le calcul des impôts en simplifiant l'AST et en analysant les graphes de dépendances. Il fournit des outils pour exécuter des calculs sur l'arbre des formules et simplifier le graphe en supposant certaines variables nulles.

Outil pédagogique en ligne de commande conçu pour aider les étudiants et enseignants à manipuler des graphes. Il permet d'exécuter des algorithmes classiques (comme Dijkstra) sur des graphes définis via des fichiers YAML, de calculer des chemins optimaux et de générer des visualisations graphiques. Destiné aux cours d'introduction aux graphes, il se concentre sur l'interprétation des résultats plutôt que sur l'implémentation des algorithmes.

Ce projet académique développe des outils pour évaluer et comparer des méthodes de calcul de graphes nommés (MD5 et Catalog) dans le cadre de l'analyse de données RDF. Il permet de mesurer les performances d'exécution de requêtes sur des prédicats et contextes variés, tout en structurant les données sémantiques pour une analyse optimisée.

Outil open source conçu pour définir, orchestrer et exécuter des workflows scientifiques ou techniques. Il permet de structurer des tâches en graphes de dépendances, facilitant ainsi l'automatisation de processus analytiques ou de calculs. Idéal pour les chercheurs, ingénieurs ou équipes techniques souhaitant optimiser leurs pipelines de données sans développer de solutions sur mesure.

Ce projet vise à concevoir et optimiser un écosystème logiciel pour la gestion et l'exécution de workflows scientifiques, notamment dans le domaine de la recherche. Il permet de modéliser des tâches complexes, de les organiser en graphes dirigés, et de les exécuter de manière distribuée ou séquentielle. L'objectif est d'améliorer l'efficacité des processus expérimentaux en automatisant les enchaînements de calculs et en facilitant leur suivi.

MASTAG est un logiciel qui calcule des plannings d'exécution de graphes de tâches ou de graphes SDF (Synchronous Dataflow) dans le but de minimiser leur pic de consommation mémoire.

Génération uniforme ou proche de l'uniformité de solutions pour de grandes formules de satisfiabilité est un problème théorique et pratique d'intérêt pour la communauté de test. Des travaux récents ont proposé deux algorithmes (Unigen et QuickSampler) pour un compromis entre temps d'exécution et garanties d'uniformité. Cette référence vise à fournir tous les modèles de fonctionnalités des bancs d'essai, des scripts Python pour exécuter des expériences, des scripts Python pour calculer des graphiques, des figures et des statistiques de ce document ainsi que d'autres, et des instructions pour réutiliser notre travail.

Ce projet automatise le benchmarking des performances des environnements HPC basés sur Guix, notamment pour les clusters comme Plafrim. Il exécute des tests de bande passante MPI entre nœuds, compare différentes configurations (MPI, réseaux) et stocke les résultats dans une base de données. Les données sont ensuite analysées pour détecter des régressions et visualisées sous forme de graphiques. L'objectif est d'optimiser les performances des infrastructures de calcul haute performance.

Ce projet permet d'exécuter des opérations de calcul matriciel sur des cartes graphiques compatibles CUDA. Il est conçu pour accélérer les traitements intensifs de données numériques, notamment dans des domaines comme la simulation scientifique, l'analyse de données ou le machine learning. Le code source fourni permet de compiler et d'exécuter des additions de matrices en exploitant la puissance parallèle des GPU.

Ce projet académique compare les performances de deux frameworks, Apache Pig et Apache Spark, pour calculer un algorithme de PageRank sur un crawl de pages Wikipedia. L'objectif est d'analyser les temps d'exécution et l'efficacité de chaque solution dans un environnement distribué. Les résultats sont compilés et présentés sous forme de rapports et de graphiques pour évaluer les différences entre les deux approches.