Ce projet propose une collection de notebooks et scripts permettant d'extraire des jeux de données de manière reproductible à partir de données ouvertes et liées. Il facilite la création de pipelines automatisés pour transformer et structurer des informations issues du web sémantique, afin de les rendre exploitables pour des analyses ou des applications ultérieures.

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 propose un tutoriel complet pour apprendre à utiliser Snakemake, un outil d'automatisation de workflows en bioinformatique. Il guide les utilisateurs pas à pas dans la création et l'exécution de pipelines reproductibles, depuis la configuration jusqu'à l'exécution des règles. Idéal pour les chercheurs et étudiants souhaitant optimiser leurs analyses de données biologiques.

Guix est un gestionnaire de paquets et un environnement d'exécution qui permet la création de pipelines bioinformatiques reproductibles. Il permet de gérer les dépendances logicielles pour l'analyse génomique, facilitant ainsi le partage et la réutilisation des workflows.

Atelier Cluster est un tutoriel pratique visant à enseigner la création de pipelines bioinformatiques automatisés. Il guide les utilisateurs dans la configuration d'environnements conda, la gestion de code source avec git, et l'exécution de workflows sur un gestionnaire de tâches comme SGE. Basé sur des outils standards de la bioinformatique, il permet aux chercheurs et étudiants de maîtriser les bonnes pratiques pour traiter des données scientifiques de manière reproductible et efficace.

Ce projet propose une image Docker légère basée sur CentOS 7, intégrant Miniconda et PyTorch avec support CUDA 11.1. Conçue pour les environnements d'intégration continue, elle facilite la création et le test d'applications utilisant le deep learning. L'image est optimisée pour des performances reproductibles dans des pipelines CI/CD.

Ce projet pédagogique et technique vise à enseigner l'utilisation du logiciel Singularity pour la création, la gestion et le déploiement de conteneurs logiciels. Il couvre l'installation, la manipulation de conteneurs existants, la construction d'images personnalisées via des recettes, et leur intégration dans des pipelines CI/CD. Destiné aux étudiants et chercheurs, il facilite la reproductibilité des environnements de calcul scientifique.

Ce projet propose des utilitaires pour automatiser et optimiser des workflows scientifiques, notamment dans le domaine de la bioinformatique. Il facilite la création, l'exécution et le suivi de pipelines de traitement de données, en réduisant les tâches répétitives et en améliorant la reproductibilité des analyses.