On ne peut concevoir une application sans aucune donnée et dans le monde informatique, le stockage de données implique très souvent l'utilisation de bases de données relationnelles. Dans ce contexte, le SQL est un langage qu'il est indispensable de maîtriser. Au minimum, il est important de comprendre les bases du fonctionnement d'une base de données relationnelle. C'est ce que l'on se propose de voir dans cet article.

Parmi les nombreuses évolutions que nous propose Java 8, l’une d’entre elles attire particulièrement notre attention. Il s’agit de la présence de la classe CompletableFuture>.

Il arrive que l'on souhaite traiter de très grandes quantités de données. Ces données doivent être stockées dans un ou plusieurs fichiers pour lesquels on va choisir une structure permettant un traitement le plus simple et le plus rapide possible. Les formats « standards » de fichier ne seront pas toujours suffisamment efficaces en fonction de la quantité de données. Il faut alors se tourner vers le format HDF5.

NumPy est aujourd'hui une bibliothèque de référence pour le calcul scientifique. Elle permet de déclarer des polynômes, vecteurs, matrices ou tableaux multidimensionnels et de les manipuler à l'aide de fonctions mathématiques de haut niveau.

Pour faire face aux défis de la biologie, la bioinformatique propose des modules qui permettent de rendre accessibles des fonctions basiques et avancées d’analyse de données. Les données traitées sont en général des séquences d'ADN qu’il s’agira d’identifier, d’aligner et d'analyser grâce à la littérature scientifique. Les formats les plus utilisés en bioanalyse, comme les formats FASTA et GenBank demeurent par certains aspects difficiles à manipuler. Nous vous proposons un didacticiel qui introduira les fonctions de Biopython, un module Python dédié à la manipulation de données biologiques dans le cadre de l’analyse complète d’une séquence d’ADN.

Vispy est une nouvelle librairie open source de visualisation haute performance en Python. Basée sur l'interface graphique libre OpenGL, Vispy permet au scientifique d'exploiter toute la puissance du processeur graphique (GPU) pour la visualisation interactive de gros volumes de données 2D et 3D.

Matplotlib est une librairie graphique 2D (avec un support partiel de la 3D), qui est la librairie standard pour la visualisation scientifique. Elle permet notamment d'exporter vers tous les formats standards de publication (vectoriel ou bitmap) et peut être aussi utilisée pour simplement faire du graphisme.

SciPy est l'autre grande bibliothèque pour le calcul scientifique. Pour être plus précis, il s'agit aussi d'un projet qui a pour vocation de réunir diverses bibliothèques en une seule (dont NumPy et Matplotlib), le tout offrant un large ensemble de fonctionnalités dédiées au calcul scientifique.

Lorsque l'on réalise certaines opérations complexes, la recherche de performances est une clé importante. Il y a beaucoup d'options pour rendre un algorithme performant, mais on n'a pas forcément accès à un serveur de 32 processeurs et disposant de 64 Go de RAM ! On se contente en général d'un seul CPU dont les meilleurs ont deux, quatre ou huit cœurs.