Base de données dédiée à la collecte, au stockage et à l'analyse de données issues de recherches scientifiques. Elle facilite le partage et la collaboration entre équipes de recherche en centralisant les résultats expérimentaux et en offrant des outils d'analyse avancés pour des projets nécessitant une gestion rigoureuse des données.

Outil dédié au déploiement et à la gestion de bases de données PostGIS, spécialisées dans le stockage et l'analyse de données géospatiales et temporelles. Utilisé principalement pour des projets environnementaux ou scientifiques nécessitant une infrastructure robuste et reproductible.

Outil Python dédié à la gestion et au stockage de données issues de simulations numériques. Il permet de créer et gérer automatiquement des bases de données, d'exporter les données dans divers formats, et d'enregistrer des champs de données en temps réel. Conçu pour s'intégrer facilement avec des frameworks comme DeepPhysX et SOFA, il simplifie le développement de systèmes de gestion de données pour des applications scientifiques ou industrielles.

Ce projet fournit une interface API en Python pour accéder et manipuler les données stockées dans une base Cassandra dédiée au stockage de séries temporelles scientifiques. Il permet aux chercheurs et ingénieurs d'extraire, analyser et visualiser des données expérimentales issues de spectres ou d'attributs mesurés, facilitant ainsi la recherche et le développement dans des environnements scientifiques comme les accélérateurs de particules.

Outil dédié à l'archivage générique de données issues d'expériences scientifiques, notamment dans le domaine des accélérateurs de particules et des lasers. Il permet de configurer dynamiquement les attributs à archiver en fonction de l'état des équipements, d'activer ou désactiver l'archivage automatiquement, et de gérer des conditions complexes pour le stockage des données. Utilisé dans des environnements de recherche avancée pour assurer la traçabilité et l'analyse des résultats expérimentaux.

Ce projet open source fournit une suite logicielle complète pour contrôler, configurer et acquérir des données à partir de détecteurs de rayonnement utilisés en physique expérimentale et en imagerie scientifique. Il permet de gérer des paramètres complexes comme la synchronisation, le déclenchement, le stockage des données et l'analyse en temps réel, tout en offrant des interfaces pour l'intégration avec des systèmes de traitement avancés.

Projet dédié à la gestion, au stockage et à l'analyse de données biologiques et scientifiques via des outils comme OMERO et iRods. Il permet aux laboratoires et équipes de recherche de déployer des infrastructures sécurisées pour héberger, organiser et partager leurs données tout en garantissant leur intégrité et leur accessibilité. Le projet inclut également des mécanismes d'authentification avancés et des solutions de sauvegarde automatisée.

Ce projet fournit des rôles Ansible pour déployer et configurer iRODS, un système open source de gestion de données distribuées. Il permet d'installer et de gérer des serveurs iRODS ainsi que des bases de données PostgreSQL associées, facilitant ainsi le stockage, la recherche et le partage de grandes quantités de données scientifiques ou institutionnelles. Les rôles sont adaptés pour des environnements CentOS 7.x ou Ubuntu 18.04, avec des modes d'installation fournisseur ou consommateur.

Blissdata est une plateforme dédiée à la gestion, au stockage et à l'analyse de données issues de recherches scientifiques, notamment dans le domaine de la physique et de la cristallographie. Elle permet aux chercheurs de centraliser, organiser et exploiter leurs données expérimentales de manière efficace et sécurisée, facilitant ainsi la collaboration et l'avancement des projets scientifiques.

Outil open source dédié à la gestion et à l'organisation des données de recherche tout au long d'un projet scientifique. Il permet aux chercheurs et équipes de planifier méthodiquement la collecte, le stockage, le partage et l'archivage de leurs données, en respectant les normes et exigences des financeurs. Le projet facilite la conformité aux politiques de données et améliore la reproductibilité des travaux.