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.

Le projet jupyterhub-custom est une personnalisation de JupyterHub, une plateforme open-source permettant de créer et de gérer des environnements de notebooks Jupyter collaboratifs. Il offre un espace de travail interactif pour l'exécution de code et la visualisation de données, principalement utilisé dans les domaines de la recherche, de l'analyse de données et de l'apprentissage automatique.

Ce projet fournit une instance déployable de JupyterHub sur OpenShift, utilisant OpenShift comme fournisseur d'authentification. Il permet aux utilisateurs de créer et de partager des notebooks Jupyter, idéal pour l'analyse de données, l'apprentissage automatique et la data science.

Ce projet fournit une image Docker pour déployer JupyterHub, une plateforme permettant de créer des environnements de développement personnalisés pour les travaux pratiques en informatique et les projets de data science. Les utilisateurs peuvent créer et partager des notebooks Jupyter pour le calcul et la visualisation de données.

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.

JupyterLite est une version allégée du célèbre environnement Jupyter, dédiée à l'exécution locale dans le navigateur, sans nécessiter de serveur dédié. Il permet de créer, d'éditer et d'exécuter des notebooks Jupyter, en bénéficiant d'un ensemble de fonctionnalités et d'extensions adaptées aux besoins des utilisateurs, notamment en termes d'analyse et de visualisation de données.

JupyterCloudX est un projet permettant de construire des présentations de données interactives et de créer des visualisations de données grâce à l'utilisation de Jupyter Notebooks.

Le projet s2i-minimal-notebook est une image minimaliste pour créer des notebooks Jupyter sur OpenShift, construite à l'aide de Source-to-Image (S2I). Il est basé sur les images Ubi8 de Thoth et peut être utilisé pour créer des notebooks avec différentes versions de Python. Il est également possible d'installer des packages Python supplémentaires ou de précharger des notebooks pendant la construction de l'image.

Le projet s2i-minimal-notebook-with-sage est une image de conteneur minimaliste conçue pour être utilisée avec OpenShift et le projet Jupyter. Il fournit un environnement Python de base avec une sélection de dépendances courantes, ainsi qu'un processus de construction Source-to-Image (S2I) permettant de créer des images de conteneur personnalisées avec des dépendances et des notebooks spécifiques.

Ce projet permet l'analyse et la visualisation de données à l'aide de notebooks Jupyter. Il offre une interface pour créer, modifier et partager des notebooks en ligne. Les fonctionnalités de visualisation de données sont assurées par des bibliothèques telles que Plotly, Matplotlib, Bqplot, Seaborn et Xlrd.