Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Ce dépôt de code source illustre les fonctionnalités de DataLad, un outil de gestion de données et de métadonnées pour les projets de recherche. Il démontre comment organiser, suivre et partager des jeux de données de manière récursive, en mettant en avant les sorties générées automatiquement par des pipelines de traitement. Les cas d'usage concrets ne sont pas explicitement décrits dans les informations disponibles.
- Notoriété 24 %GEMAUT est un outil open source développé par l'IGN pour transformer des Modèles Numériques de Surface (MNS) en Modèles Numériques de Terrain (MNT) haute résolution. Il automatise l'extraction du sol en générant des masques de sursol et en appliquant des méthodes de régularisation avancées. L'outil propose deux moteurs de calcul (PDAL et SAGA) et s'intègre dans des workflows de traitement d'images géospatiales pour des applications en cartographie, urbanisme ou gestion des risques.
- Notoriété 10 %Ce projet propose un ensemble d'images Docker optimisées et maintenues par SocialGouv, destinées à faciliter le déploiement d'outils techniques dans des environnements variés. Il couvre des besoins courants comme la gestion de bases de données, le traitement de fichiers, ou l'exécution de requêtes HTTP. Les images sont conçues pour être réutilisables et intégrées facilement dans des pipelines de développement ou de production.
- Pipeline dédiée au traitement et à l'historisation des données du projet ANAIS, spécifiquement pour l'étape Helios. Elle automatise la récupération, le traitement et l'export de données depuis des bases de données (Postgres, DuckDB) vers des fichiers CSV structurés. La solution inclut la gestion des connexions sécurisées, la synchronisation avec un serveur SFTP, et la génération de rapports pour des analyses ultérieures.
- Ce projet est une plateforme backend dédiée à la gestion, l'enrichissement et l'interrogation de données sémantiques structurées au format RDF. Il permet de traiter des requêtes complexes, d'aligner des ontologies pour harmoniser des vocabulaires, et d'intégrer des jeux de données ouverts. Le système facilite également l'enrichissement automatique de données via des pipelines de traitement et la génération de rapports détaillés sur les ressources manipulées.
- Ce projet illustre l'utilisation de DVC (Data Version Control) pour versionner des données et des logiciels. Il montre comment automatiser un pipeline de traitement de fichiers textuels en deux étapes : concaténation des fichiers puis suppression d'un mot spécifique. L'objectif est de démontrer la reproductibilité des flux de travail et la gestion des dépendances entre données et code.
- Ce projet est une infrastructure logicielle dédiée à la gestion, traduction et réconciliation de données sémantiques structurées au format RDF. Il permet d'automatiser le traitement de modèles de données complexes, notamment pour des applications nécessitant l'alignement de ressources issues de bases de connaissances comme Wikidata. Le système facilite l'intégration et la normalisation de données multilingues pour des usages métiers variés.
- Ce projet illustre la mise en œuvre d'un pipeline de traitement de données en temps réel combinant Apache Flink pour le calcul distribué et Apache Kafka pour la gestion des flux de données. Il permet de simuler des producteurs de données, de les agréger et d'analyser les événements en continu. L'objectif est de démontrer comment ces technologies peuvent être utilisées pour construire des systèmes capables de traiter des volumes importants de données avec faible latence.
- Notoriété 15 %Outil permettant de transformer des jeux de données distants en datapackages locaux et d'automatiser des pipelines de traitement de données. Il facilite l'intégration et la gestion de référentiels administratifs en automatisant les étapes de récupération, transformation et structuration des données pour les rendre exploitables localement.
- Ce projet permet d'entraîner des modèles d'intelligence artificielle dédiés à la segmentation d'images satellites. Il automatise le traitement de données géospatiales pour détecter et classifier des objets ou zones d'intérêt (bâtiments, forêts, routes, etc.). Les modèles générés sont optimisés pour des applications variées comme l'urbanisme, l'agriculture ou la gestion des risques naturels. Le pipeline de formation est flexible et s'adapte à différentes architectures de réseaux de neurones et à divers jeux de données.
30 initiatives
10