Ce projet propose un guide pratique pour maîtriser les bases de Docker, une technologie permettant d'exécuter des applications dans des conteneurs légers et isolés. Il couvre l'installation, la création, la gestion et la communication entre conteneurs, ainsi que l'utilisation d'images prêtes à l'emploi. Destiné aux débutants comme aux utilisateurs intermédiaires, il facilite l'adoption de cette solution pour le développement, le test et le déploiement d'applications dans un environnement contrôlé et reproductible.

Ce projet fournit une solution unifiée pour créer et convertir des images conteneurisées (Docker et Singularity) destinées à l'intégration continue. Il combine deux projets existants en un seul workflow simplifié, permettant aux développeurs de déployer rapidement des environnements reproductibles et légers pour leurs pipelines CI/CD.

Ce projet permet de déployer et gérer des applications dans un environnement Kubernetes simplifié via microk8s. Il facilite l'orchestration de services conteneurisés, l'exposition des applications en interne ou vers l'extérieur, et l'automatisation des déploiements. Idéal pour des environnements de développement, de test ou de production légère, il offre une solution flexible pour gérer des applications scalables et résilientes.

Ce projet propose un environnement conteneurisé léger et optimisé pour Python 3.10, intégrant PyTorch 1.13.1 avec support CUDA 11.7. Il facilite le déploiement de solutions d'apprentissage automatique et de calcul scientifique en réduisant les dépendances inutiles. Destiné aux chercheurs et développeurs, il permet une installation rapide et reproductible des outils nécessaires pour exploiter les GPU NVIDIA.

Limbra est une solution intégrée conçue pour faciliter le déploiement et la gestion d'applications web. Elle combine un serveur HTTP léger, un framework de développement web et des bibliothèques tierces pour offrir une plateforme prête à l'emploi. Idéale pour les développeurs et les entreprises souhaitant déployer rapidement des services en ligne sans complexité technique excessive.

Ce projet fournit un conteneur Docker dédié à MongoDB, permettant un déploiement rapide et standardisé de bases de données NoSQL. Il facilite la gestion des environnements de développement et de test en offrant une solution légère et reproductible. Idéal pour les équipes techniques souhaitant éviter les configurations complexes tout en maintenant une cohérence entre les différents postes de travail.

Ce projet propose une solution légère et performante pour héberger des contenus web statiques ou dynamiques. Il permet de déployer rapidement un serveur HTTP ou HTTPS, idéal pour des applications nécessitant une infrastructure simple et efficace. Développé en C++11 avec Asio, il est multithreadé et indépendant de la plateforme, offrant ainsi une grande flexibilité d'utilisation.

Musl libc est une implémentation légère et performante de la bibliothèque C standard pour Linux. Elle vise à offrir une solution efficace pour le développement d'applications, en garantissant une faible empreinte mémoire et un temps d'exécution optimisé. Conforme aux normes ISO C99 et POSIX 2008, elle assure la compatibilité avec divers environnements et systèmes. Son approche simple et maintenable en fait un choix privilégié pour les déploiements embarqués et les systèmes légers.

Solution open source permettant de déployer un gestionnaire de mots de passe léger et sécurisé. Ce projet facilite la création et la gestion d'un coffre-fort numérique personnel ou organisationnel pour stocker et partager des identifiants de manière chiffrée. Il offre une alternative légère et auto-hébergeable aux solutions commerciales, adaptée aux besoins de confidentialité et de contrôle des données.

Ce projet permet de déployer une API complète compatible OpenAI pour servir des modèles de langage (LLM) et des modèles d'embeddings. Il combine vLLM pour l'inférence des LLM et HuggingFace Text Embeddings Inference pour les embeddings, offrant ainsi une solution légère et facile à maintenir. L'API expose des endpoints standardisés (/v1/models, /v1/completions, /v1/chat/completions, /v1/embeddings) pour une intégration simplifiée avec des outils comme LangChain.