Le projet csvapi-parser est un outil permettant de parser des fichiers CSV et de les transformer en objets Tableau agrégés, en détectant automatiquement l'encodage et le dialecte du fichier. Il est conçu pour être utilisé avec l'API csvapi.

Ce projet vise à structurer et analyser les données publiques des décès en France depuis 1971 sous forme de graphes sémantiques. Il permet de transformer des fichiers CSV en données RDF exploitables pour des recherches avancées ou des analyses statistiques. Les données sont organisées par tranches d'années et par villes, facilitant leur réutilisation par des chercheurs, institutions ou développeurs.

Outil dédié à la manipulation et à l'analyse de fichiers CSV. Il permet aux utilisateurs d'importer, de visualiser et de traiter des données tabulaires de manière simple et efficace. Idéal pour les professionnels ayant besoin d'extraire, nettoyer ou transformer des données sans compétences techniques avancées.

JPanda est une librairie Java dédiée à la manipulation et à l'analyse de données structurées sous forme de dataframes. Elle permet de charger, visualiser et transformer des données issues de fichiers CSV ou de tableaux en mémoire. Les utilisateurs peuvent effectuer des sélections, des calculs statistiques, des groupements et des agrégations pour extraire des informations pertinentes. L'outil est particulièrement adapté aux développeurs et data scientists souhaitant automatiser des traitements de données sans recourir à des solutions lourdes.

Pipeline dédiée à la gestion et au traitement des données du projet ANAIS, spécifiquement pour l'étape Helios. Elle automatise l'extraction, la transformation et le chargement des données depuis des sources variées (bases de données, fichiers CSV) vers des vues SQL structurées. Les données sont historisées, analysées et exportées sous forme de fichiers CSV pour répondre aux besoins réglementaires et opérationnels des acteurs du secteur sanitaire et social.

Ce projet permet de déployer des services web Python pour transformer des fichiers NetCDF (format de données scientifiques) en formats plus accessibles comme le CSV ou des images. Il facilite ainsi l'analyse et la visualisation des données environnementales ou climatiques par des utilisateurs non experts en format NetCDF.

Plateforme dédiée à l'inspection et au contrôle des établissements accueillant des personnes âgées ou handicapées. Elle permet de centraliser, historiser et analyser les données issues des inspections, tout en générant des rapports standardisés. La solution s'appuie sur des pipelines automatisées pour extraire, transformer et charger les données depuis des sources variées (bases de données, fichiers CSV, SFTP), puis les restituer sous forme de vues exploitables pour les autorités compétentes.

Ce projet permet de déployer des serveurs de données scientifiques utilisant les protocoles THREDDS et OPeNDAP. Il facilite l'accès, la conversion et le partage de fichiers de données environnementales comme les fichiers NetCDF, en les transformant en formats plus accessibles comme CSV ou images. Destiné aux chercheurs et institutions, il soutient la diffusion des données climatiques et océanographiques.

PyPel est un outil ETL (Extract, Transform, Load) permettant d'extraire des données depuis des fichiers CSV, XLS et XLSX, de les transformer et de les charger dans Elasticsearch. Il offre une grande flexibilité grâce à la séparation des étapes Extract, Transform et Load, permettant de les personnaliser en fonction des besoins spécifiques de chaque projet.

Ce projet fournit des outils et des jeux de données anonymisés pour analyser les comportements des étudiants en génie logiciel à partir de leurs commits. Il inclut des scripts de transformation de logs JSON en fichiers CSV, ainsi que des rapports générés par Process Mining pour visualiser les indicateurs comportementaux. Les données et analyses sont destinées à la recherche académique.