Ce projet vise à fournir des informations détaillées sur les ensembles de données, les schémas et les requêtes utilisés pour l'expérimentation dans une recherche sur l'optimisation de requêtes basée sur un schéma pour des bases de données de graphes. Les ensembles de données comprennent YAGO et LDBC-SNB, qui sont représentés sous forme de nœuds et d'arêtes dans des graphiques. Des schémas spécifiques ont été créés pour chaque ensemble de données pour aider à l'optimisation de requêtes basée sur un schéma. Les requêtes examinées dans l'étude sont acycliques et récursives ou non récursives, avec des formes de requêtes allant de l'arbre aux cycles.

Ce projet permet la visualisation de données géographiques relatives à des formations et filières d'études. Il offre la possibilité de rechercher des formations spécifiques et de comparer différentes filières.

Le projet CHI-KNOW-PO a pour objectif d'identifier des schémas de co-occurrence de champs lexicaux et de emprunts textuels à travers les genres dans la Chine médiévale, en se concentrant plus spécifiquement sur les plantes parmi d'autres thèmes. Le projet se déroule en trois étapes : la numérisation, l'édition et la publication d'une corpus d'anthologies poétiques, de commentaires, de dictionnaires, d'encyclopédies et de traités pratiques de la période médiévale chinoise (environ 200-1000 apr. J.-C.) ; la création d'une base de données avec des informations bio-bibliographiques et sémantiques utiles pour des fins d'édition et d'exploration de textes ; et le développement de scripts permettant d'effectuer des recherches, des filtres et des analyses statistiques personnalisés pour étudier la co-occurrence de mots et de groupes de mots dans des textes donnés et identifier d'éventuels cas de réutilisation textuelle.

PLM4All est un projet dédié à la configuration de clusters Slurm pour l'exécution de tâches spécifiques nécessitant une quantité déterminée de GPU. Il offre des fonctionnalités de recherche de données et facilite la gestion des ressources matérielles pour des opérations d'inférence et d'apprentissage en deep learning.

Ce projet permet de visualiser des données de recherche sous forme de graphes interactifs. Il permet également de rechercher des données spécifiques grâce à un moteur de recherche par mot-clé.

Le projet Open Neurophysiology Environment vise à fournir un accès standardisé aux données neurophysiologiques hébergées sur un serveur Alyx, grâce à une API et une base de données en développement actif. Il permet de rechercher et de charger des données neurophysiologiques stockées localement ou sur un serveur distant, en suivant une convention de dénomination de fichiers spécifique.

BPdevR est une plateforme de développement et de collaboration dédiée aux projets de recherche en mathématiques. Elle permet aux chercheurs de gérer leurs projets, de partager des ressources et des données, et de collaborer en temps réel sur des documents et des codes sources. BPdevR est basé sur GitLab et offre toutes les fonctionnalités de cette plateforme, ainsi que des outils spécifiques pour les mathématiciens.

Le projet slide est une application de présentation interactive pour des ateliers, offrant une visualisation de données de la recherche. Il s'appuie sur une charte graphique spécifique et un plan détaillé, comprenant des sections sur les liens historiques, la reproductibilité, l'épistémologie de l'objet, sa place dans le cycle des données de la recherche, les initiatives en la matière, et une présentation du groupe de travail. Il inclut également des TP de storytelling en Python et R.

Le projet Qualinka Sudoc est issu du projet de recherche Qualinca et a pour objectif de développer des mécanismes permettant de qualifier et d'améliorer le niveau de qualité des bases documentaires, en se concentrant spécifiquement sur les données de l'Abes/Sudoc. Il utilise comme moteur le dépôt Sudoqual Framework.

Ce projet traite des collections prédéfinies en Kotlin, en utilisant des listes et des ensembles. Il inclut des opérations telles que l'ajout et la recherche d'éléments, l'ajout à des positions spécifiques, et le tri des données. Le projet lit et analyse également des fichiers CSV.