SPIKE est une bibliothèque open source dédiée au traitement, à l'analyse et à la visualisation de données issues de spectroscopies par transformée de Fourier. Elle permet de manipuler des spectres 1D et 2D, principalement en résonance magnétique nucléaire (NMR) et en spectrométrie de masse (FT-ICR-MS, Orbitrap). L'outil intègre des fonctionnalités avancées comme la correction de ligne de base, la réduction de bruit, la détection de pics et la transformation de Fourier, offrant une solution complète pour les chercheurs en chimie analytique et en spectroscopie.

Projet de transformation et modélisation de données dédié à Document-IA. Il structure les données brutes issues de différentes sources (organisation, événements) en modèles analytiques cohérents. Les données sont organisées en couches (staging, core, analytics) pour faciliter leur exploitation. Le projet permet de suivre les exécutions de workflows et d'agréger des métriques journalières pour une analyse approfondie.

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.

Module Python conçu pour centraliser et simplifier les opérations courantes sur des données structurées. Il offre des fonctionnalités pour manipuler, transformer et analyser des ensembles de données de manière efficace. Utilisé comme brique logicielle commune par plusieurs outils de l'écosystème Hito, il permet d'homogénéiser les traitements et d'accélérer le développement d'applications analytiques ou de gestion de données.

Cube.js est une plateforme open source conçue pour faciliter l'analyse et la visualisation de données. Elle permet aux entreprises de transformer des données brutes en insights exploitables grâce à des tableaux de bord interactifs et des requêtes optimisées. Idéale pour les équipes data et les développeurs, elle simplifie la création d'applications analytiques sans nécessiter de compétences avancées en programmation.

Pipeline Python conçue pour automatiser et standardiser le traitement des données issues de fichiers CSV ou de bases de données. Elle permet d'ingérer, d'historiser et de transformer les données avant de les exporter vers des vues ou des fichiers structurés. Utilisée pour alimenter des projets analytiques ou des rapports automatisés.

Ce projet fournit un template standardisé pour structurer des projets de data engineering et de data analytics. Il facilite la mise en place de pipelines d'ingestion de données, de transformations SQL et de déploiements sur différentes infrastructures. Il inclut des configurations pour des environnements locaux, on-premise ou cloud, ainsi que des outils pour la gestion des dépendances et des versions Python.

Ce projet vise à étudier et modéliser divers scénarios d'attaques informatiques à travers l'utilisation d'Attack-Defence Trees (ADTrees) et leur transformation en systèmes multi-agents asynchrones (EAMAS). Les cas d'utilisation incluent la modélisation d'attaques à la propriété intellectuelle, l'obtention de privilèges administratifs sur des systèmes UNIX, la compromission de dispositifs IoT et la simulation de scénarios de cambriolage.

Service de transformation de données basé sur DFDL (Data Format Description Language) permettant de convertir des données selon des schémas prédéfinis et de valider des données selon ces mêmes schémas. Il inclut également la gestion de préférences pour les transformations de données.