Projet académique développé dans le cadre d'un enseignement universitaire, axé sur la création d'applications graphiques interactives pour l'analyse et la visualisation de données complexes. Il permet aux étudiants de concevoir des outils de simulation et de modélisation adaptés à des besoins scientifiques ou pédagogiques, en utilisant des technologies modernes de rendu graphique et de traitement de données.

Projet de recherche et de développement dédié à l'analyse de données scientifiques et à la visualisation de résultats expérimentaux. Il permet aux chercheurs et ingénieurs de générer des rapports détaillés, des graphiques et des simulations pour faciliter l'interprétation des données et la prise de décision dans des domaines comme la physique, l'ingénierie ou les sciences des matériaux.

Ce projet fournit une suite de bibliothèques en Go dédiées à l'acquisition, l'analyse et la visualisation de données issues de détecteurs scientifiques, notamment pour des systèmes comme le DPGA et les bancs de test. Il permet de traiter des données provenant de différents systèmes d'acquisition (VME, microTCA) et de générer des analyses génériques applicables à divers types de détecteurs, comme les MCPPMT. Les fonctionnalités incluent le calcul de piédestaux, l'analyse des signaux et la représentation graphique des données.

Ce projet fournit des scripts dédiés à la création de visualisations graphiques à partir de données issues de séquençages haut débit. Utilisé principalement dans un contexte de recherche biomédicale, il permet aux scientifiques de générer des graphiques adaptés à leurs publications ou rapports, facilitant ainsi l'interprétation et la communication des résultats obtenus en laboratoire.

Ce dépôt centralise des extraits de code en R et Python dédiés à la visualisation graphique de données, principalement dans un contexte scientifique. Il propose des scripts pour générer des heatmaps, des barplots tridimensionnels, des scatter plots colorés, ou encore des courbes de couverture de séquençage ARN. Certains outils, comme Polysome Rider, sont conçus pour des analyses de données biologiques avancées, facilitant la production de graphiques propres et exploitables pour des publications ou des présentations.

Outil de visualisation interactif conçu pour diffuser et analyser les références de matières organiques externes (EOM) à l'échelle nationale et européenne. Il permet aux autorités publiques et aux partenaires du secteur de consulter, filtrer et visualiser dynamiquement les propriétés physico-chimiques des EOM issues de la base de données 'Caractéristiques physico-chimiques des Matières Organiques Externes'. L'application génère des représentations graphiques personnalisées pour éclairer les décisions politiques et scientifiques.

Ce projet permet de visualiser et analyser la qualité des données du réseau RENAG, un réseau de stations GNSS (Global Navigation Satellite System) dédié à la recherche scientifique. Il offre un tableau de bord interactif pour suivre les performances des stations, identifier les anomalies et produire des rapports détaillés. Les données sont collectées, stockées dans une base de données PostgreSQL, puis exploitées via Grafana pour générer des graphiques et indicateurs pertinents.

Ce projet est une ressource pédagogique destinée à initier les participants à la bibliothèque Matplotlib, un outil Python largement utilisé pour créer des visualisations de données. Il propose des exemples pratiques couvrant la création de figures, l'utilisation des couleurs, les différents types de graphiques et la gestion des annotations. L'objectif est de faciliter l'apprentissage des bases de la visualisation de données pour des applications scientifiques ou analytiques.

LODEX-IN2P3 est un outil développé par l'INIST-CNRS et l'IN2P3 pour valoriser les publications scientifiques de l'Institut National de Physique Nucléaire et de Physique des Particules. Il permet de visualiser sous forme de graphiques et d'indicateurs les données bibliographiques issues de la base INSPIRE, enrichies et mises à jour régulièrement. Les utilisateurs peuvent ainsi analyser les publications depuis 2016 selon divers critères et exporter des listes bibliographiques pour leurs besoins de recherche ou de reporting.

Ce projet évalue la scalabilité des réseaux LPWAN (Low Power Wide Area Network) dans le contexte des applications de villes intelligentes. Il permet de reproduire les résultats d'une étude scientifique en analysant des jeux de données réels, comme les données de taxis de New York et les capteurs de stationnement de Melbourne. Les outils développés simulent des déploiements de réseaux et génèrent des graphiques pour visualiser les performances et les limites des technologies LPWAN.