Le projet Turbo décodeur au-delà du Gbps sur multi-cœurs CPU est conçu pour optimiser les performances de décodage de données à des débits supérieurs au Gbps. Il exploite la puissance de traitement parallèle des processeurs multi-cœurs pour améliorer la vitesse et réduire la latence de décodage. Le décodeur prend en charge le décodage simultané de plusieurs flux de données, offrant une solution flexible et efficace pour les applications exigeantes en matière de traitement de données haute vitesse.

Ce projet permet de convertir des fichiers de logs au format JSONL en fichiers Parquet, facilitant ainsi leur traitement et leur analyse. Il est conçu pour optimiser les données de décès en vue de leur exploitation par des outils d'analyse ou de visualisation.

Ce projet permet d'importer et de traiter les données SIRENE issues de l'INSEE pour enrichir les informations des établissements français. Il comble les lacunes de géolocalisation, crée des tables d'agrégation et optimise les requêtes de recherche afin de faciliter l'accès aux données économiques et administratives des entreprises et de leurs établissements.

Bibliothèque JavaScript spécialisée dans la conversion haute performance de données géospatiales (GeoArrow, GeoParquet, WKB) en formats binaires optimisés pour des bibliothèques de visualisation comme Deck.gl. Elle permet de reprojeter, traiter et optimiser des géométries complexes (points, lignes, polygones) pour un rendu fluide et précis sur des cartes interactives, en exploitant des techniques de streaming et de traitement zéro-copie.

Ce projet est une solution logicielle dédiée à la gestion et à l'analyse de données issues de détecteurs de diffraction X, notamment pour les expériences en cristallographie ou en science des matériaux. Il permet de configurer, contrôler et acquérir des données en temps réel depuis des équipements spécialisés comme les détecteurs Mythen. Le système facilite également le traitement et l'optimisation des paramètres expérimentaux pour améliorer la précision des mesures.

Bibliothèque Rust dédiée à l'accélération de la lecture et de l'écriture de fichiers CSV en exploitant les instructions SIMD. Conçue pour traiter rapidement de grands volumes de données tabulaires, elle offre des lecteurs et écrivains optimisés pour des cas d'usage exigeants en performance, comme l'analyse de données massives ou le traitement en temps réel. Moins flexible que des solutions classiques, elle privilégie la vitesse au détriment de certaines fonctionnalités avancées.

Ce projet développe des plugins pour PDAL (Point Data Abstraction Library), une bibliothèque open source dédiée au traitement de données LiDAR. Il permet d'ajouter des filtres spécifiques pour décimer, assigner des rayons ou manipuler des nuages de points géospatiaux. Le plugin facilite l'intégration de données IGN (Institut National de l'Information Géographique et Forestière) dans des workflows de traitement automatisés, optimisant ainsi la gestion et l'analyse de données 3D pour des applications variées comme l'urbanisme, l'environnement ou l'archéologie.

Ce projet fournit un ensemble d'outils et de workflows dédiés au traitement et à l'analyse de données issues de techniques de diffraction avancées, notamment pour la calibration et l'intégration de spectres de rayons X. Il facilite l'automatisation des processus expérimentaux et la gestion des données brutes et traitées, en s'appuyant sur des logiciels spécialisés comme pyFAI et Ewoks. Destiné aux scientifiques et chercheurs, il optimise la reproductibilité et la traçabilité des analyses.

Le projet dengrand est une bibliothèque dédiée à l'analyse et au traitement de données numériques, en particulier dans le domaine des sciences et de l'ingénierie. Elle offre des fonctionnalités avancées de calcul et d'algèbre linéaire, ainsi que des outils pour la création et l'optimisation de modèles mathématiques.

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.