Outil conçu pour analyser automatiquement le contenu des colonnes de fichiers tabulaires (CSV, Excel, ODS, Parquet) et détecter leur format (dates, codes postaux, numéros de téléphone, etc.). Il permet d'enrichir les métadonnées des jeux de données pour faciliter leur exploitation et leur croisement. Principalement utilisé par des plateformes de données ouvertes comme data.gouv.fr pour standardiser et valider les fichiers partagés.

Ce projet vise à standardiser les formats de données utilisés par les lignes de lumière de l'ESRF (European Synchrotron Radiation Facility). Il permet aux utilisateurs et développeurs de programmes d'analyse de disposer d'un format commun pour faciliter l'échange et le traitement des données scientifiques collectées. L'objectif est d'améliorer l'interopérabilité et la reproductibilité des expériences menées sur les installations.

Ce projet vise à définir et promouvoir des formats de données standardisés pour les lignes de lumière de l'ESRF (European Synchrotron Radiation Facility). Il permet aux utilisateurs et aux programmes d'analyse de manipuler les données expérimentales de manière cohérente et efficace. En adoptant le format HDF5 comme référence, il facilite l'interopérabilité et la réutilisation des données scientifiques produites lors des expériences.

Ce dépôt héberge des modèles de données au format JSON-LD spécifiques, utilisés pour standardiser les échanges via des API conformes au standard NGSI-LD. Ces modèles sont développés par le Cerema pour faciliter l'interopérabilité des données dans des projets publics ou privés liés à l'aménagement, l'urbanisme ou les infrastructures.

Ce projet consiste en la standardisation de la base principale du Système National des Données de Santé (SNDS) au format OMOP-CDM (Observational Medical Outcomes Partnership Common Data Model). Il contient des scripts SQL sous forme de projet DBT qui permettent d'extraire, de transformer et de charger les données du DCIR, du PMSI, des référentiels médicalisés et des référentiels EHPAD dans une base de données Postgres.

Le projet nda-data-format permet de convertir des données brutes NDA en fichiers FITS standardisés, en incluant des étapes de pré-traitement telles que l'atténuation des interférences radio (RFI) et le binage des données. Il offre également des fonctionnalités de visualisation des données, facilitant ainsi l'analyse et l'interprétation des résultats.

Picola est un pipeline d'orchestration conçu pour automatiser la conversion et le traitement d'images médicales numérisées, notamment les lames d'anatomopathologie. Il permet de transformer des formats propriétaires en fichiers TIFF pyramidaux standardisés, facilitant leur réutilisation dans des outils de visualisation ou d'intelligence artificielle. Le projet s'intègre dans un environnement local reproductible, sans dépendre d'une infrastructure cloud, et est développé par le Health Data Hub pour répondre aux besoins de standardisation des données médicales.

Bibliothèque et interface dédiée à l'analyse et à la gestion de données issues d'acquisitions expérimentales, notamment pour des systèmes de détection Mesytec. Elle permet la conversion, le traitement et la transmission de données brutes en formats standardisés (comme MFM) pour une intégration avec d'autres systèmes d'acquisition. Utilisée principalement dans des contextes de recherche scientifique et de physique expérimentale.

Ce projet développe des prototypes pour faciliter l'intégration des modèles et formats de données du CTAO (Cherenkov Telescope Array Observatory) et du VODF (Very High Energy Observatory Data Format) dans l'écosystème gammapy. Il vise à standardiser et optimiser le traitement des données issues de télescopes à haute énergie, en amont des analyses scientifiques.

Ce projet permet de transformer des données brutes (comme des fichiers CSV, JSON ou autres formats non structurés) en un format standardisé et exploitable (niveau 1). Il facilite l'intégration et l'analyse des données en les normalisant, réduisant ainsi les efforts manuels de nettoyage et de structuration. Idéal pour les équipes data ou les développeurs cherchant à automatiser des pipelines de données.