Une collection d'images Docker pour des services de datascience prêts à l'emploi, conçue pour fonctionner avec l'écosystème Onyxia.

Cette collection de Helm Charts est spécialement conçue pour les datascientists et est principalement destinée à fonctionner avec Onyxia. Elle permet de gérer des ressources informatiques de manière déclarative.

Projet visant à fournir un driver Docker Machine pour le testbed Grid'5000, permettant de simplifier le déploiement et la gestion de machines virtuelles sur cette infrastructure distribuée.

Ce tutoriel est une introduction à la programmation moderne en C++. À la fin de ce dernier, vous devriez comprendre la syntaxe et les mécanismes de base du langage C++, connaître les différents styles de programmation, être capable d'utiliser la bibliothèque standard et être conscient des bonnes pratiques de programmation en C++.

Onyxia est une application web permettant de lancer des conteneurs Docker sur un cluster Kubernetes, avec une interface utilisateur React et une API Java / Spring-boot. Elle est développée par l'Institut national de la statistique et des études économiques (INSEE) et permet aux data scientists de travailler avec des images Docker personnalisées, des ressources CPU/RAM/GPU définies par l'utilisateur, des scripts d'initialisation personnalisés et des variables d'environnement.

Image Docker basée sur code-server, personnalisée pour le développement Python. Elle vise à fournir un environnement de développement intégré haut de gamme avec des modules adaptés à Python pour aider les développeurs.

Ce projet offre un GitLab runner personnalisé qui crée des machines virtuelles dynamiquement dans l'instance CloudStack fournie par ci.inria.fr. Il permet l'exécution de jobs dans des conteneurs Docker ou directement sur des machines virtuelles avec Linux, Mac OS X ou Windows, offrant ainsi plus de flexibilité et de ressources pour les jobs GitLab.

Le projet funcamp-r-grimoire est un package R dédié à la création et au déploiement de tutoriels interactifs pour l'apprentissage du langage R. Il permet de regrouper des tutoriels au format R Markdown ou Shiny dans un package R, et de les déployer via Docker. Les données nécessaires aux exercices sont gérées et stockées de manière organisée dans des sous-répertoires dédiés.

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 fournit une image Docker pour un laboratoire de données comprenant une configuration Spark. Il permet aux utilisateurs d'analyser, de créer des modèles statistiques et de visualiser des données de manière interactive.