Ce plugin permet d'importer des identités en masse dans une base de données IdentityStore via un service REST. Les identités sont traitées pour être insérées dans la base de données, soit automatiquement, soit rejetées si une identité similaire existe déjà, soit mises en attente pour un traitement manuel. Le plugin retourne l'identifiant unique (CUID) de l'identité insérée en tant que résultat du lot.

Ce projet est dédié à la préparation des données pour l'application Kelrisks. Il inclut des pipelines de traitement pour gérer, nettoyer et normaliser des données géographiques hétérogènes, ainsi que des fonctionnalités de géocodage en masse d'adresses.

Le projet Catalogue est une application web permettant de gérer et de rechercher des formations professionnelles continues. Il permet aux utilisateurs de consulter et de s'inscrire à des formations, ainsi qu'aux administrateurs de gérer les établissements de formation, les formations et les utilisateurs. Il offre également des fonctionnalités d'importation et de traitement de données en masse.

I2masschroq est un logiciel dédié à la quantification de protéines et à l'analyse de spectrométrie de masse. Il permet le traitement de données de protéomique et la gestion de données de spectrométrie de masse. Il est distribué sous la licence GNU General Public License.

Le projet deep-sequoia est un outil d'analyse de données génétiques dédié à la recherche en bio-informatique. Il permet le traitement et l'interprétation de données massives issues de séquençage à haut débit.

Le projet ncovsel est un outil d'aide à la sélection de variables dans des ensembles de données à n dimensions. Il permet de simplifier l'analyse de données complexes et d'optimiser la prise de décision dans le traitement de données massives. Grâce à ncovsel, il est possible d'améliorer la compréhension des relations entre variables dans les jeux de données.

Le projet Trevas-Spark-Hadoop est une solution d'analyse et de traitement de données massives, permettant l'intégration de données en provenance de différentes sources et la visualisation de données géospatiales. Il s'appuie sur les technologies Spark et Hadoop pour offrir des fonctionnalités avancées de traitement et d'analyse de données.

Knem est un framework permettant d'accélérer les transferts de données entre processus en utilisant une mémoire partagée virtuelle. Il est particulièrement utile dans les contextes de calcul parallèle et de traitement de données massives.

Le projet bigdata_project permet l'analyse de données massives pour découvrir des tendances et des modèles, ainsi que pour prévoir des données. Il offre une solution complète pour le traitement et l'analyse de données, y compris le nettoyage, la transformation et le chargement des données.

Le projet emu est une bibliothèque qui fournit un ensemble d'utilitaires pour le langage C++, CUDA et python. Il permet d'optimiser les calculs scientifiques, de développer des algorithmes pour le traitement de données massives et de créer des bibliothèques pour le langage C++ et CUDA.