Le projet deMon2k-v6.1.6-gpu est un outil de simulation et d'analyse de données dédié aux phénomènes physiques complexes. Il permet de modéliser et de visualiser des systèmes physiques en utilisant des méthodes numériques avancées. Cet outil est utilisé dans le domaine de la recherche scientifique pour comprendre et prédire les comportements de divers systèmes physiques.

CAMISIM est un logiciel permettant de modéliser des distributions d'abondance de communautés microbiennes et de simuler des jeux de données de métagénomique correspondants. Il a été principalement développé pour le défi [Critical Assessment of Metagenome Annotation (CAMI)](http://microbiome-cosi.org/cami) mais devrait être adapté à un usage général. N'hésitez pas à [ouvrir un nouvel issue](https://github.com/CAMI-challenge/CAMISIM/issues) si vous rencontrez des problèmes ou avez besoin d'aide.

Le projet de modélisation aide les entreprises à prendre des décisions éclairées en simulant des scénarios économiques, en analysant des données financières et en prédisant les tendances du marché.

FlowVR est une bibliothèque middleware permettant de faciliter le développement et l'exécution d'applications haute performance interactives nécessitant l'exploitation de la puissance de nœuds informatiques distribués en grappe ou en grid. FlowVR a été utilisé pour des applications de réalité virtuelle, de téléprésence, de modélisation 3D en temps réel, de visualisation in situ, de pilotage de simulations moléculaires parallèles, etc. FlowVR réutilise et étend le paradigme de flux de données couramment utilisé dans les environnements de visualisation scientifique. Une application est vue comme un ensemble éventuellement distribué de modules échangeant des données. Différentes assemblées de modules peuvent être spécifiées sans modification ou recompilation des modules. Le développeur d'applications n'a pas à se soucier des problématiques de réseau. C'est le rôle de FlowVR de gérer et d'optimiser les échanges de données entre modules. FlowVR supporte les modules parallèles, permettant d'exploiter des codes MPI existants par exemple. Cette fonctionnalité est couramment utilisée pour la visualisation in situ ou le pilotage de simulations parallèles.

Le projet SMT-SERAFINPH_owl est une application dédiée à la modélisation et à la gestion de données de santé. Il permet de définir et de gérer des terminologies médicales, ainsi que d'intégrer des données provenant de différentes sources. Il est basé sur le langage de balisage OWL (Web Ontology Language) et offre des fonctionnalités avancées de gestion de données sémantiques.

Schéma de données pour le stationnement cyclable, permettant de modéliser et définir le stationnement cyclable sur le territoire national. Il a été co-construit avec des associations et entreprises du secteur du stationnement cyclable, les producteurs de données et les réutilisateurs. Il définit des informations indispensables et complémentaires à fournir par le producteur pour faciliter la réutilisation et réduire le coût d’intégration de ces données dans des services tiers.

LidaRtRee est un package R dédié à l'analyse de données laser aéroportées pour la détection et la caractérisation d'objets forestiers. Il permet la co-enregistrement de parcelles de terrain avec des données LiDAR, la détection et le segmentation des arbres, le calcul de paramètres forestiers avec une approche basée sur la surface, et l'extraction de caractéristiques physiques et statistiques utiles pour la modélisation de l'habitat ou la cartographie de la maturité forestière.

Le projet rdf-data vise à modéliser et agréger des données éducatives du département de la Gironde en utilisant les technologies du web de données. Il s'appuie sur des données sources publiées sur le portail datalocale.fr et les transforme en fichiers RDF turtle. L'ontologie produite par Mondeca permet de décrire les collèges, les équipements sportifs et les transports en autocar.

Ce projet consiste à importer et traiter des données réelles à partir d'un fichier CSV. Les données sont désordonnées et doivent être décomposées en entités cohérentes pour créer un modèle de données (MCD). Des scripts PostgreSQL sont ensuite utilisés pour ventiler les données dans les tables modélisées. Enfin, une étude statistique est réalisée sur les données.

Dépôt de code source pour les tutoriels Jupyter de l'Institut Pasteur. Il s'agit d'une collection de notebooks Python permettant de découvrir et d'approfondir des concepts de programmation, d'analyser et de visualiser des données, ainsi que de modéliser des données biologiques.