Ce projet consiste en une API qui permet le traitement des données d'entrée de différentes entités (applications, équipements physiques et virtuels) et la gestion de leur état. Il utilise Spring Boot pour le développement de l'API, Spring Data pour l'accès aux données, Spring Framework pour le support général de l'application, Kafka Streams pour le traitement des données en temps réel, PostgreSQL comme base de données et Testcontainers pour les tests d'intégration.

Ce projet est un démonstrateur et un modèle pour la configuration correcte de Quarkus et Kafka Streams, avec une intégration dans dev-stack. Il permet d'agréger des données météorologiques en temps réel et de traiter des flux de données avec Kafka Streams.

Ce projet vise à fournir un environnement d'apprentissage pratique pour les étudiants de la filière GGMD (Génie Geographique, Mobilité et Données) de l'Université Lyon 1. Il est composé de plusieurs TPs couvrant différents aspects de la conception et du déploiement de bases de données réparties, l'optimisation des performances pour le traitement de grandes quantités de données, l'analyse de données astronomiques à l'aide d'Apache Spark, et le traitement de flux de données en temps réel avec Spark Streaming et Apache STORM.

Le projet Designer est une interface graphique basée sur le SDK OpenViBE. Il permet la conception de scénarios pour l'acquisition et l'analyse de données biomédicales, ainsi que la visualisation de données en temps réel. Il offre également la possibilité de configurer les paramètres des algorithmes de traitement des données.

Le projet labs est une bibliothèque logicielle permettant de faciliter les communications entre microservices et d'effectuer des analyses de données en temps réel. Il offre une API flexible et puissante pour la gestion des connexions et des transferts de données, ainsi que des fonctionnalités avancées de traitement de données en temps réel.

Le projet `capteurs` a pour but de collecter, traiter et analyser les données provenant de capteurs environnementaux. Il permet de suivre et d'être alerté en cas de problèmes tels que des niveaux de pollution élevés, des bruits anormaux ou une consommation d'énergie excessive. Grâce à une interface conviviale, les utilisateurs peuvent consulter les données en temps réel et accéder à des rapports détaillés.

Le projet CCTV vise à démontrer l'utilité d'un système de vidéosurveillance décentralisé utilisant des edge devices et des gateways pour le traitement des images en temps réel, réduisant ainsi la latence dans le traitement des données.

Le projet flink-datacenter est une solution de traitement et d'analyse de données en temps réel, basée sur Apache Flink. Il permet de gérer des workflows de traitement de données complexes et distribués, en offrant des fonctionnalités avancées telles que la gestion de flux de données, l'intégration avec des bases de données relationnelles et NoSQL, et la possibilité de définir des règles de transformation et d'agrégation des données.

Le projet netdrms_9.0 est une solution dédiée à la gestion et au traitement de données solaires en temps réel. Il permet la création de séries temporelles et offre des fonctionnalités avancées pour l'analyse et la visualisation de ces données.

Le projet smartgh-cloudml est une solution de traitement et d'analyse de données environnementales en temps réel. Il permet de collecter, stocker et traiter des données provenant de différents capteurs pour fournir des prévisions météorologiques et surveiller la qualité de l'air.