Ce projet académique développe des outils pour manipuler des polyèdres en trois dimensions. Il permet de les représenter, les importer et exporter depuis des fichiers au format OBJ, et de les décomposer en composantes connexes pour une analyse structurelle. Les algorithmes implémentés facilitent l'étude des propriétés géométriques et topologiques des modèles 3D, avec une approche modulaire et optimisée pour la gestion dynamique de la mémoire.

Minbp-algo est un outil académique dédié à la résolution du problème de bin-packing, un défi d'optimisation où l'objectif est de répartir des objets de tailles variables dans le nombre minimal de conteneurs. Développé dans un cadre universitaire, il permet de tester et comparer des algorithmes de répartition comme Next Fit ou First Fit Decreasing. Le programme prend en entrée des instances de données structurées et génère des solutions optimisées pour des applications logistiques ou industrielles.

Le modèle structural agnostique (SAM) est une méthode de découverte de causalité. Il utilise des indépendances conditionnelles et des asymétries de distribution pour trouver la structure causale sous-jacente à partir de données observationnelles. L'approche repose sur un jeu entre différents joueurs estimant chaque distribution de variable conditionnellement aux autres sous forme de réseau de neurones et un adversaire visant à discriminer les données générées contre les originales. L' critère d'apprentissage de SAM combine l'estimation de distribution, des contraintes de parcimonie et d'acyclicité pour optimiser la structure et les paramètres du graphe grâce à la descente de gradient stochastique.

Ce projet propose une collection de structures de données avancées et d'algorithmes pour faciliter la manipulation et l'analyse de données. Il vise à offrir des solutions performantes pour le stockage, la recherche et la transformation de données, adaptées aux besoins des développeurs et des data scientists. Les implémentations sont conçues pour être réutilisables et optimisées.

Projet de développement d'une application mobile Android destinée à interagir avec des services backend. Il permet de récupérer, traiter et afficher des données dynamiques issues d'API externes. L'application inclut des fonctionnalités de gestion des requêtes réseau, de parsing de données structurées et d'optimisation des performances pour une expérience utilisateur fluide.

Bibliothèque ou service dédié à la manipulation et transformation de données via des fonctions d'ordre supérieur. Permet de composer des opérations complexes de manière déclarative et réutilisable. Facilite la gestion de flux de données asynchrones ou paresseux tout en optimisant les performances. Utilisé principalement par des développeurs pour structurer des traitements de données évolutifs et maintenables.

Ce projet vise à développer une solution d'intelligence artificielle pour analyser des données massives et en extraire des insights pertinents. Il permet aux utilisateurs de simuler des scénarios, d'automatiser des processus et d'optimiser des décisions métiers grâce à des algorithmes avancés. Les fonctionnalités incluent le traitement de données structurées et non structurées, ainsi que la génération de rapports automatisés pour faciliter l'analyse stratégique.

Ce service automatise la création de bundles géographiques pour la France en utilisant des données de localisation. Il télécharge les données depuis un bucket S3, génère un bundle optimisé et le redistribue sur le même bucket. Utilisé principalement pour alimenter des services de géolocalisation ou de cartographie, il facilite l'accès à des données géographiques structurées et prêtes à l'emploi.

HPFDF est une bibliothèque logicielle dédiée à la compression, la décompression et la gestion efficace de données scientifiques ou techniques. Elle permet de structurer, stocker et manipuler des jeux de données volumineux tout en optimisant leur occupation mémoire. Utilisée principalement dans des contextes de recherche ou d'analyse de données, elle offre des outils pour manipuler des fichiers binaires et des structures de données complexes.

PhoenixDataGenerator est un outil open source conçu pour automatiser la génération de structures de données et de code source dans plusieurs langages (C, C++, Fortran). Il permet aux développeurs de créer rapidement des bibliothèques logicielles optimisées, en réduisant les erreurs manuelles et en standardisant les pratiques de développement. Idéal pour les projets nécessitant une gestion rigoureuse des données et une intégration facile dans des environnements de compilation existants.