Bibliothèque JavaScript spécialisée dans la conversion haute performance de données géospatiales (GeoArrow, GeoParquet, WKB) en formats binaires optimisés pour des bibliothèques de visualisation comme Deck.gl. Elle permet de reprojeter, traiter et optimiser des géométries complexes (points, lignes, polygones) pour un rendu fluide et précis sur des cartes interactives, en exploitant des techniques de streaming et de traitement zéro-copie.

Ce projet permet de visualiser et analyser les habitudes d'écoute musicale d'un utilisateur sur les plateformes de streaming. Il offre une représentation graphique des temps d'écoute quotidiens, de la répartition des genres musicaux et de leur évolution dans le temps. Les données sont présentées sous forme de graphiques interactifs, facilitant l'identification des tendances et des préférences musicales.

Bibliothèque JavaScript pour la visualisation de données en streaming, inspirée du processus de sédimentation physique. Cette bibliothèque permet de créer des visualisations de données dynamiques et interactives, en s'appuyant sur des algorithmes de physique et de géométrie.

Ce projet permet de gérer et organiser des données artistiques en les classant par genre musical. Il facilite la sélection et la visualisation des artistes disponibles, offrant une interface simple pour explorer les contenus musicaux. Idéal pour les plateformes de streaming ou les bases de données culturelles.

Ce projet permet d'analyser et de visualiser des données météorologiques et environnementales liées aux risques d'incendie de forêt en Algérie. Il exploite un jeu de données détaillé incluant température, humidité, vitesse du vent et précipitations pour évaluer les conditions propices aux départs de feu. Les utilisateurs peuvent explorer ces données pour mieux comprendre les facteurs influençant les incendies et contribuer à leur prévention.

Ce tableau de bord Streamlit présente une analyse exploratoire du discours médiatique français sur l'intelligence artificielle entre 2011 et 2021. Il inclut le nettoyage et la préparation des données, l'ingénierie des caractéristiques, et la visualisation des distributions.

Ce projet propose une méthode d'optimisation des couleurs pour les visualisations catégorielles en maximisant le contraste entre les catégories. Il utilise des algorithmes génétiques pour attribuer les couleurs de manière intelligente, en tenant compte de la géométrie des graphiques (streamgraphs, diagrammes en barres, camemberts, etc.). L'objectif est d'améliorer la lisibilité et l'interprétation des données visuelles en réduisant les ambiguïtés liées aux couleurs similaires.