Bibliothèque Python dédiée au contrôle et à l'acquisition d'images via des caméras astronomiques ANDOR. Permet aux astronomes et observatoires de configurer, piloter et automatiser des instruments pour des observations célestes. Intègre des fonctionnalités avancées comme la gestion des temps d'exposition, la température des capteurs et le traitement des données brutes. Utilisée dans des environnements professionnels pour des missions d'observation et de recherche en astrophysique.

HiPeOffsetFinder est un outil conçu pour analyser les flux de données issus d'instruments astrophysiques, notamment ceux dédiés à la détection de rayons gamma. Il permet de calculer les décalages (offsets) des attributs dans les données brutes, facilitant ainsi la calibration et l'interprétation des signaux temporels. Utilisé dans le cadre de projets comme CTA (Cherenkov Telescope Array), il contribue à améliorer la précision des mesures et à optimiser le traitement des événements détectés.

Ce projet est un prototype dédié à l'analyse des données du réseau de télescopes CTA (Cherenkov Telescope Array). Il permet de calibrer les capteurs, nettoyer les données Hillas, reconstruire les événements astrophysiques et optimiser des modèles de simulation pour améliorer la précision des observations. Les outils développés facilitent le traitement des données brutes et la génération de résultats exploitables pour la recherche en astrophysique.

HiPeRTA est une bibliothèque logicielle dédiée à l'analyse et au traitement de données issues de télescopes à imagerie Cherenkov, utilisés en astrophysique pour détecter les rayons gamma. Elle permet de simuler des caméras, calibrer les instruments, traiter les signaux temporels et reconstruire des événements astrophysiques avec une approche optimisée pour les performances.

HiPeCTA est une bibliothèque Python dédiée à l'analyse haute performance des données du Cherenkov Telescope Array (CTA). Elle permet de traiter efficacement les données issues de simulations Monte-Carlo ou d'observations réelles, en exploitant les instructions SIMD des processeurs modernes. Son objectif est d'accélérer significativement les étapes de calibration, d'intégration, de nettoyage et de calcul des paramètres de Hillas, tout en s'intégrant au framework ctapipe pour une utilisation optimale dans la chaîne de traitement des données astrophysiques.

Kstacker est un projet open-source dédié à l'analyse et au traitement de données astronomiques. Il offre des fonctionnalités avancées de visualisation de données, de traitement d'images et de modélisation de données astrophysiques grâce à des algorithmes de pointe et des bibliothèques open-source.

Bibliothèque logicielle dédiée au traitement et à l'analyse de données astronomiques, notamment pour la cartographie du ciel, la détection de sources cosmiques et la modélisation de signaux astrophysiques. Elle permet de manipuler des cartes célestes, d'appliquer des filtres mathématiques et de générer des visualisations pour la recherche en astrophysique.

Logiciel de pipeline dédié au traitement et à l'analyse automatique des données spectrales et d'images issues de l'instrument ChemCam du CNES. Il permet la récupération, le dispatching et la génération de mosaïques à partir de ces données, facilitant ainsi la recherche en astrophysique et planétologie. Développé par l'IRAP, il est utilisé pour optimiser le flux de travail des scientifiques.

Cette école internationale propose une formation intensive en programmation avancée pour les domaines de l'astrophysique et de l'astroparticule. Elle couvre l'utilisation de bibliothèques scientifiques Python comme NumPy, Pandas et Matplotlib, ainsi que des outils pour le calcul parallèle et le traitement de données. Destinée aux chercheurs et étudiants, elle combine cours théoriques et sessions pratiques pour renforcer les compétences en développement logiciel scientifique.

Ce projet propose une introduction pratique au calcul haute performance (HPC) et au traitement de données scientifiques, notamment pour l'astrophysique. Il inclut des outils pour manipuler des fichiers de données, effectuer des calculs complexes comme des transformées de Fourier ou des produits de Hadamard, et évaluer des algorithmes de calibration. Destiné aux étudiants et chercheurs, il facilite l'apprentissage des méthodes numériques avancées.