Le projet Synthetic Generator est un package Python permettant de créer des données de synthèse pour une base de données relationnelle qui peut être représentée sous forme d'arbre. Il a été initialement créé pour générer un SNDS synthétique, mais il peut être utilisé pour d'autres bases de données.

Notebook pédagogique présentant les enjeux des données synthétiques en santé et différentes approches visant à générer de telles données. Ce notebook est développé collaborativement par Octopize et le Health Data Hub.

Le projet synthetic-data-sdc permet de générer des données synthétiques, respectant les contraintes et les exigences de confidentialité des données personnelles. Il facilite le développement et les tests en simulant des scénarios complexes et variés, tout en préservant la privacy des utilisateurs.

Le projet fhir-simulators est dédié à la simulation et à la génération de données FHIR (Fast Healthcare Interoperability Resources) pour les tests et l'expérimentation de systèmes de santé. Il permet de créer des données synthétiques conformes au standard FHIR, facilitant ainsi le développement et l'intégration de solutions dans le domaine de la santé.

Le schéma du SNDS est une centralisation de la description du système national des données de santé sous un format standard. Il permet de générer des documentations dans plusieurs formats, dont un dictionnaire interactif des variables et des liens entre tables, une documentation textuelle, et des versions synthétiques du SNDS.

Ce projet fournit une solution pour compter automatiquement les cultures sur des images capturées par des véhicules aériens sans équipage (UAV). La solution repose sur l'apprentissage automatique non supervisé et un système multi-agents pour détecter et compter les cultures. Les données d'entraînement sont générées à l'aide d'un générateur de données synthétiques.

Ce projet vise à comparer sept plateformes de séquençage, couvrant les technologies de deuxième génération à lecture courte (Illumina Hiseq300, DNBSEQ-G400, DNBSEQ-T7, Ion S5 et Ion Proton P1) et de troisième génération à lecture longue (Oxford Nanopore Technologies MinION et Pacific Biosciences PacBio). Trois communautés microbiennes synthétiques composées de jusqu'à 87 espèces microbiennes par mock et couvrant 29 phyla ont été utilisées pour l'évaluation. Les outils tels que fastp, AlienTrimmer, bowtie2, minimap2, SPAdes, metaFlye, metaquast et Python3 ont été utilisés pour le traitement et l'analyse des données.

FormIAble est un projet dédié à la classification et à la génération de formulaires. Il offre des fonctionnalités d'annotation de données et de génération de formulaires synthétiques, facilitant ainsi le traitement et l'analyse des formulaires.

Ce projet utilise le moteur de jeu Unity avec son pipeline de rendu haute définition (HDRP) pour générer des données synthétiques de cultures aériennes telles qu'elles seraient capturées par un véhicule aérien sans équipage (UAV). Il permet de personnaliser les paramètres des cultures et de capturer des images des champs générés.

Plateforme dédiée à la visualisation et à l'analyse des archives publiques françaises. Permet aux chercheurs, historiens et citoyens d'explorer les fonds documentaires nationaux, de croiser des données historiques et de générer des rapports synthétiques pour des études ou des publications.