Outil développé pour l'INERIS permettant d'identifier et caractériser des composés chimiques dans différents milieux (eau, air, sols). Il utilise des modèles d'intelligence artificielle pour analyser des données environnementales et détecter des sources de pollution. La plateforme permet aux experts de visualiser les résultats, de lancer des analyses et de gérer les accès sécurisés. Elle s'appuie sur des bases de données relationnelles et des services cloud pour le stockage et le traitement des données.

Ce projet propose des templates réutilisables pour automatiser des workflows via des étapes standardisées. Il permet aux développeurs de créer rapidement des pipelines de traitement de données, de génération d'images ou de scripts shell sans repartir de zéro. Les modèles couvrent des cas d'usage variés comme le traitement vidéo, les bases de données ou le stockage cloud, et sont conçus pour être intégrés dans des outils comme AirJobs ou Cadriciel Studio.

Le projet jurica est dédié à la collecte, au stockage et au filtrage de décisions de justice. Il s'appuie sur des sources de données externes, telles que des API et des bases de données Oracle, pour enrichir sa base de données. Le projet prend en charge le traitement et la normalisation des données collectées, ce qui permet de les exploiter de manière optimale.

Inlake est une passerelle dédiée à l'ingestion et à la gestion de données pour un système de base de connaissances axé sur les événements. Il permet l'intégration fluide de fichiers binaires, de métadonnées et d'informations textuelles structurées ou non. Conçu dans le cadre du projet scientifique Astragale, il facilite le stockage, la validation et le traitement des données pour des applications de recherche.

Ce cours introduit les techniques de base pour la récupération, le stockage, le nettoyage, la visualisation, l'analyse et le traitement de données. Il offre une introduction pratique aux outils et bibliothèques utilisés pour le traitement de données en combinant des cours théoriques avec des exercices de programmation.

OptimaCulture est une solution backend dédiée à la collecte, transformation et stockage de données issues de capteurs IoT. Elle permet de traiter des flux de données en temps réel via le protocole MQTT, de les transformer automatiquement en format JSON, et de les stocker temporairement avant leur envoi vers une base Elasticsearch. Le projet inclut également des outils pour générer des tableaux de bord de visualisation via Kibana, facilitant ainsi l'analyse et la surveillance des données collectées.

Ce projet est une API permettant la gestion des utilisateurs, l'importation et le traitement de données provenant de différentes sources, ainsi que l'envoi et le suivi d'emails. Il interagit avec une base de données MongoDB pour le stockage et la récupération des données.

Un workflow modulaire pour le traitement et l'enrichissement des données URL. Il prend en entrée des fichiers CSV ou gzip et produit des fichiers parquet et CSV en sortie. Il utilise des outils tels que Ural pour l'analyse des URL et une base de données pour le stockage des données.

Le projet dtermed.rivages-old est une base de données de relevés du trait de côte. Il permet la gestion, le stockage et la fourniture de ces données dans une optique de préservation du patrimoine géospatial. Il offre une interface de consultation et de téléchargement des données historiques du trait de côte.

Le projet postgresql-server est une implementation du système de gestion de base de données relationnelles PostgreSQL. Il permet le stockage, la récupération et le traitement de données structurées en utilisant le langage de requête SQL.