Outil permettant de générer des graphes synthétiques pour des bases de données NoSQL, notamment Neo4j. Il facilite la création de jeux de données réalistes ou aléatoires pour tester, développer ou analyser des modèles de données orientés graphe. Idéal pour les développeurs, data scientists ou équipes techniques travaillant avec des bases de données graphes.

Randomix est une bibliothèque de génération de données aléatoires. Elle permet de créer des données simulées pour les tests de développement et les démonstrations, en évitant de réutiliser des données réelles et confidentielles.

Ce projet développe des outils de modélisation et de simulation pour étudier la dynamique des infections par le virus du papillome humain (HPV). Il permet d'analyser l'impact des événements aléatoires sur la persistance des infections, d'évaluer des stratégies d'allocation initiale de copies virales et de comparer des estimations théoriques avec des simulations. Les résultats sont utilisés pour générer des figures et des données destinées à des publications scientifiques.

Dieharder est un outil open source conçu pour tester la qualité des générateurs de nombres aléatoires. Il permet aux chercheurs, développeurs et ingénieurs de valider la fiabilité et l'aléatoire des données produites par divers algorithmes. Utilisé principalement dans les domaines scientifiques et cryptographiques, il aide à détecter les biais ou faiblesses dans les séquences de nombres, garantissant ainsi des résultats plus robustes dans les applications critiques.

Ce projet fournit un outil de génération de données aléatoires structurées via une API gRPC, conçu pour simuler des charges de travail, tester des infrastructures réseau ou valider des performances. Il permet aux développeurs et ingénieurs de créer des scénarios réalistes pour évaluer la robustesse et la scalabilité de leurs systèmes sans nécessiter de données réelles.