Le projet Gildas est un conteneur Docker basé sur Debian Bullseye qui permet d'exécuter l'application Gildas avec son interface graphique. Il est utilisé pour l'analyse de données scientifiques en astronomie, en particulier pour l'extraction de données à partir de cubes astronomiques. Le conteneur inclut des scripts pour extraire des données à partir de datacube pour des tests. Il permet de monter deux volumes : /data pour les données scientifiques et /maps pour les scripts .map de Gildas.

Outil dédié à l'extraction et à l'analyse de données génomiques à partir de fichiers VCF. Il permet aux chercheurs et biologistes de traiter des données génétiques pour identifier des variants, des mutations ou des annotations spécifiques. Facilite la manipulation de grands jeux de données génomiques pour des études scientifiques ou médicales.

Outil dédié à l'intégration et au traitement de données de diffraction pour des détecteurs de type Pilatus, notamment utilisé sur la ligne ID15A de l'ESRF. Il permet d'analyser des scans expérimentaux en exploitant des ressources GPU pour accélérer les calculs. Le projet facilite l'extraction et la visualisation de données scientifiques complexes issues d'expériences de diffraction, en fournissant des fonctionnalités adaptées aux besoins des chercheurs en physique et science des matériaux.

ProcessLib est une bibliothèque logicielle dédiée au traitement et à l'analyse d'images scientifiques, notamment pour les applications en imagerie synchrotron. Elle permet de manipuler des données expérimentales, d'appliquer des corrections d'images, de détecter des pics ou des régions d'intérêt, et de gérer des tâches de calcul en parallèle. Utilisée dans des environnements de recherche, elle facilite l'extraction et l'interprétation de données issues d'expériences complexes.

Darfix est une bibliothèque Python dédiée à l'analyse de données issues de la microscopie à champ sombre. Elle propose des techniques avancées de vision par ordinateur pour traiter et interpréter ces données. Le projet inclut également une interface graphique et un module complémentaire pour Orange3, permettant aux utilisateurs de concevoir des workflows analytiques de manière intuitive. Destiné principalement aux chercheurs et scientifiques, il facilite l'extraction d'informations pertinentes à partir d'images complexes.

Projet dédié à l'analyse et au traitement d'images scientifiques ainsi qu'à la manipulation de données numériques. Il permet aux chercheurs et ingénieurs de visualiser, analyser et interpréter des résultats expérimentaux complexes. Les outils intégrés facilitent l'extraction d'informations pertinentes et la détection d'anomalies dans des jeux de données variés.

Ce projet propose des outils Python dédiés au traitement et à l'analyse de fichiers géospatiaux (shapefiles et images TIFF). Développé dans le cadre du projet IRMAA, il permet d'étudier les dépôts d'avalanches à partir d'images satellites SAR. Les fonctions proposées facilitent l'extraction et l'analyse de données géographiques pour la recherche scientifique.

Service d'analyse en text mining sur Migale dédié aux sciences de la vie. Il offre une collaboration et un accompagnement sur demande pour des mini-projets d'extraction d'informations à partir de textes bruts issus de la littérature scientifique ou de bases de données en bioinformatique. Les projets d'analyse doivent correspondre à des applications du text mining pour les sciences de la vie et visent la constitution de corpus textuels thématiques, l'extraction d'entités nommées et la classification d'informations textuelles.

Cette API permet de gérer des bases de données de snapshots, c'est-à-dire des instantanés de données capturés à un moment donné. Elle facilite l'archivage, la lecture et l'extraction de ces données historiques pour des analyses ultérieures ou des restaurations. L'API est conçue pour interagir avec des équipements Tango, un framework de contrôle d'instruments scientifiques, et offre des fonctionnalités pour manipuler des attributs et des commandes associés à ces équipements.

NXTensor est un framework dédié à la création et à l'extraction automatisée de tenseurs à partir de séries temporelles de données géolocalisées au format NetCDF. Il facilite l'analyse de données multicanaux pour les chercheurs et ingénieurs, notamment dans les domaines environnementaux et climatiques. En automatisant l'extraction et la structuration des données, il permet de gagner un temps précieux dans le traitement de grands volumes de données scientifiques.