Ce projet fournit des environnements Jupyter préconfigurés et sécurisés, spécialement conçus pour la recherche en santé et les data scientists travaillant sur des entrepôts de données médicales (EDS). Il standardise les outils, les dépendances et les bonnes pratiques pour garantir la reproductibilité, la sécurité et la collaboration dans l'analyse de données cliniques. Intégré à l'écosystème HELIX, il facilite l'accès aux données tout en respectant les contraintes de gouvernance et de conformité.

Extension pour JupyterLab permettant d'injecter des données issues de portails externes directement dans l'environnement Jupyter. Conçue pour faciliter l'accès et l'analyse de données publiques ou institutionnelles sans manipulation complexe. Idéale pour les chercheurs, analystes ou développeurs travaillant avec des jeux de données institutionnels.

Outil conçu pour simplifier l'accès et la gestion de sessions Jupyter sur des clusters de calcul haute performance comme Candide ou Infinity. Il automatise la réservation de ressources, le transfert de ports et l'initialisation d'environnements Python adaptés, permettant aux utilisateurs de se concentrer sur leurs analyses et développements sans se soucier des contraintes techniques d'infrastructure.

Ce projet propose une image Docker légère basée sur CentOS 7, intégrant Miniconda, PyTorch avec CUDA 11.3 et JupyterLab. Destiné aux environnements de développement et d'intégration continue, il permet aux chercheurs et développeurs de créer des notebooks interactifs pour l'apprentissage profond. L'image est optimisée pour les calculs accélérés par GPU et est hébergée sur l'infrastructure interne du Pasteur Institute.

Ce projet fournit des images Docker préconfigurées pour enseigner les sciences environnementales via JupyterLab. Il permet aux enseignants et formateurs de déployer rapidement des environnements pédagogiques reproductibles, accessibles en ligne ou localement. Les images incluent les outils nécessaires pour manipuler des données environnementales, facilitant ainsi l'apprentissage pratique et collaboratif.

JupyterLite est une plateforme légère et interactive conçue pour démocratiser l'accès à l'apprentissage de la programmation et à l'analyse de données. Elle permet aux utilisateurs, notamment les débutants, d'exécuter du code Python directement dans leur navigateur sans installation préalable. Intégrée à un cours universitaire, elle offre un environnement pédagogique accessible et collaboratif pour explorer des concepts scientifiques et techniques.

GLiCID JupyterLite est une plateforme permettant de créer et partager des notebooks Jupyter accessibles directement dans un navigateur web. Il offre un environnement de développement pour la programmation et l'analyse de données, avec la possibilité de pointer vers des notebooks spécifiques dans des branches dédiées.

SAJ est une plateforme éducative et de démonstration basée sur JupyterLab, conçue pour offrir un environnement interactif d'apprentissage et d'expérimentation. Elle permet aux utilisateurs de créer, exécuter et partager des notebooks Python pour des calculs scientifiques ou des analyses de données. Accessible via des serveurs comme Binder, elle facilite l'accès à des outils pédagogiques sans installation locale complexe.

JupyterCloud est une plateforme en ligne dédiée à la science et à l'enseignement, permettant aux utilisateurs de créer, exécuter et partager des notebooks interactifs. Elle facilite la collaboration entre chercheurs, enseignants et étudiants en offrant un environnement sécurisé et accessible pour le calcul scientifique, l'analyse de données et la visualisation. La plateforme est utilisée pour des projets de recherche, des travaux pratiques ou des démonstrations pédagogiques.

Plateforme open source permettant de déployer des environnements JupyterHub conteneurisés pour des utilisateurs multiples. Elle facilite l'accès à des notebooks interactifs via une interface web, idéale pour l'enseignement, la recherche ou l'analyse de données. L'orchestration est assurée par Docker Swarm pour une gestion scalable et robuste des ressources.