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.

Bibliothèque Rust dédiée à l'accélération de la lecture et de l'écriture de fichiers CSV en exploitant les instructions SIMD. Conçue pour traiter rapidement de grands volumes de données tabulaires, elle offre des lecteurs et écrivains optimisés pour des cas d'usage exigeants en performance, comme l'analyse de données massives ou le traitement en temps réel. Moins flexible que des solutions classiques, elle privilégie la vitesse au détriment de certaines fonctionnalités avancées.

Outil dédié à la simplification et à l'analyse des données de séquençage génomique. Il permet de réduire les reads d'un fichier BAM à leur extrémité 5' pour faciliter leur traitement et leur interprétation. Utilisé principalement dans les pipelines d'analyse bioinformatique, il optimise la gestion des données massives issues des technologies de séquençage haut débit.

Bibliothèque de traitements Python dédiée à l'analyse, la transformation et la validation de données géospatiales et environnementales. Elle permet d'automatiser des flux de travail complexes pour des organismes publics ou privés, en intégrant des outils de gestion de bases de données spatiales et de traitement de données massives. Les traitements sont conçus pour être réutilisables et modulaires, facilitant leur intégration dans des plateformes comme PRODIGE.

Ce projet vise à développer une solution d'intelligence artificielle pour analyser des données massives et en extraire des insights pertinents. Il permet aux utilisateurs de simuler des scénarios, d'automatiser des processus et d'optimiser des décisions métiers grâce à des algorithmes avancés. Les fonctionnalités incluent le traitement de données structurées et non structurées, ainsi que la génération de rapports automatisés pour faciliter l'analyse stratégique.

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 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.

MiniClust Worker permet de déployer des nœuds de calcul dédiés à l'exécution de tâches de clustering et de simulations distribuées. Il s'intègre à une infrastructure existante pour renforcer les capacités de traitement de données massives, notamment dans des contextes de recherche ou d'analyse scientifique. Le projet facilite l'ajout de ressources de calcul sans nécessiter de configuration complexe.

Projet visant à démocratiser l'usage des ressources de calcul intensif (HPC/IA) pour la communauté des sciences de la vie. Il permet aux chercheurs d'accéder à des environnements de workflows communs, des outils et données de référence, ainsi que des portails thématiques. Les cas d'usage incluent le traitement de données massives en génomique, la reconstruction de génomes, et l'optimisation de logiciels comme AlphaFold. Le projet s'appuie sur des partenariats avec des centres de calcul nationaux et régionaux.

Application Spark dédiée à l'analyse et à la visualisation de données massives. Permet aux utilisateurs de traiter, transformer et visualiser des données complexes en temps réel pour faciliter la prise de décision. Idéale pour les équipes data, les analystes et les scientifiques des données cherchant à optimiser leurs workflows analytiques.