Ce dépôt de Helm Charts est spécialement conçu pour les développeurs et prend en charge plusieurs langages de développement, dont Java. Il offre des modèles de déploiement pour faciliter le déploiement d'applications développées en différents langages.

Ce projet est un template open source conçu pour faciliter la création de chatbots. Il fournit une structure de base et des outils pour aider les développeurs à concevoir, entraîner et déployer des agents conversationnels. Il inclut des modèles de fichiers de configuration, des exemples de dialogues et des instructions pour intégrer le chatbot dans une interface utilisateur. Destiné aux administrations et organisations publiques, il vise à standardiser les bonnes pratiques en matière de développement de chatbots.

Packer est un outil d'automatisation de la création de machines virtuelles et d'images de systèmes d'exploitation. Il permet de définir des modèles de déploiement réutilisables, de personnaliser des images de systèmes d'exploitation et de les déployer sur différentes plateformes telles que VMware, VirtualBox, AWS, Azure, etc. Packer s'intègre également avec des outils de configuration tels que Ansible, Chef ou Puppet pour une gestion avancée des systèmes.

Ce projet est un modèle de configuration CI/CD conçu pour simplifier et standardiser les processus de développement, de test et de déploiement des projets Python. Il propose des templates réutilisables pour GitLab CI, couvrant des tâches comme le linting, les tests multi-versions, la construction de distributions, la génération de documentation et le déploiement. Il inclut également des scripts utilitaires pour faciliter la migration de configurations, la gestion des versions et le déploiement sur PyPI, réduisant ainsi la complexité et le temps de configuration pour les équipes.

Outil dédié à la simulation d'événements discrets pour évaluer les performances et la fiabilité des réseaux LoRa. Il permet aux ingénieurs et chercheurs de modéliser des scénarios de communication IoT, d'analyser les latences et les taux de réussite des transmissions, et d'optimiser les déploiements de capteurs sans fil dans des environnements variés.

TensorFlow est un framework open source dédié à l'apprentissage automatique et au deep learning. Il permet aux développeurs et chercheurs de concevoir, entraîner et déployer des modèles d'intelligence artificielle pour résoudre des problèmes complexes. Utilisé dans divers domaines comme la vision par ordinateur, le traitement du langage naturel ou la robotique, il facilite la création d'applications innovantes en automatisant des processus analytiques et décisionnels.

Bibliothèque open source dédiée à l'estimation de l'incertitude et à la détection de données hors distribution (OoD) pour les modèles d'intelligence artificielle. Elle permet d'évaluer et de déployer des méthodes d'incertitude pour des tâches de vision par ordinateur (classification d'images, détection d'objets, segmentation sémantique) et de traitement automatique des langues (détection d'hallucinations dans les grands modèles de langage).

N2S3 est un simulateur de réseaux de neurones physiques permettant de modéliser différentes topologies de réseaux neuronaux avec divers modèles de synapses et de neurones. Il offre des outils pour simuler des processus d'apprentissage, analyser l'activité neuronale et tester des algorithmes bio-inspirés. Le projet inclut des exemples concrets comme la simulation de jeux de données MNIST ou FMNIST, et propose une interface pour configurer et déployer des expériences.

Ce projet fournit des chartes Helm pour automatiser le déploiement et la gestion des clusters Kubernetes sur différents environnements cloud. Il permet de déployer des clusters complets, d'ajouter des composants essentiels (comme les contrôleurs de cloud, les réseaux ou les systèmes de stockage) et de standardiser les configurations via des modèles réutilisables. L'objectif est de simplifier et d'uniformiser la gestion des infrastructures Kubernetes.

Plateforme dédiée à l'évaluation et au benchmarking de modèles d'intelligence artificielle, notamment des chatbots et assistants conversationnels. Elle permet de mesurer objectivement les performances, la précision et l'efficacité des solutions d'IA générative dans divers contextes d'usage. Utilisée par des chercheurs, des développeurs et des entreprises pour affiner leurs modèles avant déploiement.