SCALPEL-Flattening est une bibliothèque open source conçue pour transformer et optimiser les données du Système National des Données de Santé (SNDS) en France. Elle permet de convertir des fichiers CSV en formats compressés comme Parquet, puis de les fusionner en tables unifiées pour faciliter l'extraction de concepts médicaux. Ce processus accélère l'analyse des données de santé tout en réduisant leur volume, rendant les bases de données plus accessibles et exploitables pour la recherche et les études épidémiologiques.

StarPU est un système d'exécution pour les architectures informatiques hétérogènes. Il permet l'exécution de tâches parallèles sur différents types de processeurs (CPU, GPU, etc.) en optimisant l'utilisation des ressources et la gestion de la mémoire.

Ce projet est un banc d'essai pour les transformations ATL (AtlanMod Transformation Language). Il sélectionne un sous-ensemble de transformations du zoo ATL en fonction de leur qualité et de leur utilisation dans des applications réelles. Il automatise l'exécution séquentielle de ce sous-ensemble et la génération de données d'analyse des performances.

Ce projet fournit une image Docker basée sur l'image officielle de Jupyter, avec une intégration supplémentaire avec Spark, Hadoop, Hive et Kubernetes. Il permet aux utilisateurs de créer et d'exécuter des notebooks Jupyter pour l'analyse de données.

Ce projet permet de déployer et gérer des clusters Hadoop et HBase grâce à Docker. Il fournit des images Docker prêtes à l'emploi pour le déploiement de ces clusters, avec une configuration adaptée pour une utilisation simplifiée. Il permet également de redimensionner le cluster en fonction des besoins, en générant de nouvelles configurations pour Hadoop et HBase.

Py-hdfs-mount est un outil permettant de monter un système de fichiers distant HDFS sur un système de fichiers local, facilitant ainsi l'accès et le transfert de données entre les deux systèmes.

StarPU est un système d'exécution pour les architectures informatiques hétérogènes. Il permet l'exécution de tâches parallèles sur différents types de processeurs (CPU, GPU, etc.) en optimisant l'utilisation des ressources et la gestion de la mémoire.

ATL-MR est un prototype d'outil permettant d'exécuter des transformations ATL complexes dans le cloud en utilisant Hadoop MapReduce. Il est implémenté sur une VM ATL étendue qui peut être trouvée ici. L'utilisation de ATL/MR avec la VM étendue a démontré de bonnes performances, en particulier en termes de temps d'exécution.

Ce projet consiste à développer des traitements distribués pour l'analyse, l'importation, la préparation et l'exportation de données relatives aux déchets. Il s'appuie sur les technologies Big Data telles que Spark et Hadoop, ainsi que sur des outils d'accès aux données comme PostgreSQL et Hive.

Le projet swh-graph fournit une représentation compressée de graphes et des outils pour stocker et interroger des données de graphes. Il est particulièrement utile pour l'analyse de réseaux sociaux et de dépendances logicielles.