Ce projet propose une image Docker légère basée sur Miniconda et CentOS 7, intégrant PyTorch avec support CUDA 11.3. Destinée aux pipelines d'intégration continue, elle facilite la création d'environnements reproductibles pour des tests automatisés et des développements en machine learning. L'image est optimisée pour des environnements CI/CD et permet une exécution rapide des tâches gourmandes en calcul.

Ce projet permet d'orchestrer des runners GitLab en utilisant l'infrastructure cloud de Inria comme backend. Il automatise le déploiement et la gestion de machines virtuelles pour exécuter des tâches de test ou de calcul, notamment pour des projets comme Coq. L'objectif est d'offrir une solution scalable et flexible pour les environnements de développement et d'intégration continue.

Ce projet regroupe des images Docker prêtes à l'emploi pour des outils couramment utilisés dans le développement, facilitant l'automatisation des tâches et l'intégration continue.

Hugo Docker est un projet permettant de générer des sites statiques à l'aide de Hugo, un générateur de sites statiques écrit en Go, et de Docker, un outil de virtualisation et d'automatisation des tâches de développement et de déploiement. Ce projet permet de simplifier l'utilisation d'Hugo en automatisant la configuration et la gestion des dépendances, et en permettant une intégration facile avec des systèmes de versionning de code.

Le projet jmmc-oival-docker permet de gérer et déployer des applications à l'aide de conteneurs Docker. Il offre une automatisation des tâches de déploiement et une isolation des environnements de développement, facilitant ainsi le travail des équipes techniques.

Ce projet fournit une image Docker préconfigurée pour faciliter la création, la génération et le déploiement de sites web basés sur le framework Hugo. Il automatise les tâches répétitives liées à l'intégration continue, permettant aux développeurs de se concentrer sur le contenu et la structure de leurs sites sans se soucier des dépendances techniques.

Ce projet permet de déployer et gérer un cluster Apache Spark via Docker pour faciliter le traitement de données à grande échelle. Il offre une interface Jupyter pour exécuter des notebooks interactifs et des outils de monitoring pour superviser les tâches. Destiné aux chercheurs et data scientists, il automatise la configuration des nœuds maître et travailleurs, réduisant ainsi la complexité technique. Les utilisateurs peuvent soumettre des jobs de calcul distribué et analyser les résultats en temps réel.

Ce projet permet de déployer et configurer un GitLab Runner sur une machine virtuelle Debian 11. Il facilite l'automatisation des pipelines CI/CD en exécutant des tâches définies dans GitLab. Le service peut être personnalisé pour différents types d'exécuteurs (Docker, Packer, Shell) et inclut des options de cache S3 pour optimiser les performances. Idéal pour les équipes DevOps souhaitant automatiser leurs processus de développement et de déploiement.

Ce projet fournit une image Docker pour le client en ligne de commande de Crowdin, une plateforme de traduction en cloud. Il permet de simplifier l'utilisation de Crowdin en automatisant les tâches de synchronisation et en facilitant l'intégration de Crowdin dans les workflows de développement.

Catalogue de connecteurs permettant d'intégrer des outils et services externes dans des workflows automatisés. Chaque connecteur fournit une fiche technique et une recette pour configurer des pods Docker dédiés, facilitant l'exécution de tâches comme la manipulation de bases de données, le traitement de fichiers multimédias ou géographiques, ou l'interaction avec des API externes. Développé par le Cerema pour sa plateforme Cadriciel.