Ce projet propose des implémentations parallèles optimisées de l'algorithme de clustering k-means, adaptées aux architectures CPU multi-cœurs et GPU NVIDIA. Il permet d'analyser de grands volumes de données en réduisant significativement le temps de calcul grâce à des techniques de parallélisation avancées. Les utilisateurs peuvent exploiter des jeux de données réels ou synthétiques pour des applications en science des données, en apprentissage automatique ou en analyse statistique.

Projet pédagogique dédié à l'apprentissage des techniques de calcul intensif sur GPU. Il propose des exercices pratiques pour comprendre le parallélisme, l'optimisation de code et l'utilisation des bibliothèques dédiées. Destiné aux étudiants en informatique ou aux développeurs souhaitant se former aux architectures GPU.

Ce projet permet d'effectuer des multiplications de matrices en exploitant la puissance des GPU pour des calculs intensifs. Il est particulièrement utile dans les domaines nécessitant des performances élevées comme la simulation scientifique, le traitement d'images ou l'apprentissage automatique. L'implémentation utilise des techniques d'optimisation pour maximiser l'efficacité des calculs parallèles.

Projet éducatif et scientifique visant à transformer une classe de collège en outil de calcul parallèle pour résoudre l'équation de la chaleur en deux dimensions. Il permet aux élèves de visualiser et d'expérimenter des concepts mathématiques avancés à travers des simulations interactives, favorisant ainsi l'apprentissage des sciences et des technologies.

Ce projet propose des ressources et tutoriels pour maîtriser le langage Rust et optimiser des codes C++. Il inclut des exemples concrets de simulation scientifique, des outils de visualisation de traces GPU/CPU, et des benchmarks pour comparer les performances entre différentes implémentations. Destiné aux développeurs et chercheurs, il facilite l'apprentissage des bonnes pratiques en programmation parallèle et l'utilisation de Vulkan pour le calcul haute performance.

Ce projet est une ressource technique destinée à faciliter l'apprentissage et la prise en main des GPU. Il propose des exemples pratiques et des exercices pour comprendre les concepts de base et avancés liés au calcul parallèle sur GPU.

Ce projet pédagogique vise à introduire les étudiants aux concepts d'analyse de performance logicielle et d'optimisation en C++. Il propose des outils pour évaluer et manipuler des produits de Hadamard, essentiels en calcul matriciel et en traitement du signal. Destiné aux cours universitaires, il facilite l'apprentissage pratique des techniques d'optimisation et de parallélisation.