Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Ce projet propose une formation d'introduction à l'apprentissage profond et à la bibliothèque PyTorch. Il met à disposition des notebooks Jupyter pour des exercices pratiques, couvrant des concepts fondamentaux comme la régression linéaire, les réseaux de neurones artificiels, et l'optimisation de modèles. Les participants peuvent exécuter ces notebooks via Google Colab pour s'entraîner à coder des classifieurs et comprendre les mécanismes de gradient. Une présentation théorique accompagne les exercices.
- Ce projet permet de tester et visualiser des notebooks Jupyter via Voila, un outil de rendu interactif pour les notebooks. Il utilise MyBinder pour déployer et exécuter ces notebooks dans un environnement cloud temporaire. L'objectif est de faciliter la démonstration et l'expérimentation de contenus interactifs sans nécessiter d'installation locale.
- Notebook-vscode est un projet open source qui vise à fournir un environnement de développement intégré pour Jupyter Notebooks, en intégrant des fonctionnalités de Visual Studio Code. Il permet aux développeurs de bénéficier d'un environnement de développement complet pour l'écriture et l'exécution de code Python dans un environnement web.
- Ce projet fournit un modèle pour mener des expériences en apprentissage par renforcement. Il facilite la définition de configurations par défaut, l'exécution répétée d'expériences, le stockage et la visualisation des données expérimentales. Il permet également de déployer des expériences sur des stations de travail locales ou des clusters INRIA, avec des outils dédiés pour l'analyse des résultats via des notebooks Jupyter.
- 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 permet d'héberger et d'exécuter des environnements Jupyter Lab directement sur des nœuds de calcul gérés par Slurm, un gestionnaire de ressources pour clusters HPC. Il facilite l'accès interactif à des ressources de calcul intensif pour les chercheurs et ingénieurs, en intégrant des notebooks dans des environnements de calcul haute performance. L'outil est particulièrement utile pour les simulations, l'analyse de données ou le prototypage dans des domaines scientifiques ou industriels.
- Plateforme permettant de créer, exécuter et partager des notebooks interactifs pour l'analyse de données, le prototypage de code et l'enseignement. Facilite la collaboration en temps réel et l'intégration d'outils analytiques avancés. Utilisé par des développeurs, chercheurs et éducateurs pour des projets variés.
- Ce projet fournit un accès à distance à un cluster de calcul (Slurm) via une interface Jupyter. Il permet aux utilisateurs d'exécuter du code Python ou Octave, de créer des notebooks interactifs contenant du code, du texte formaté et des visualisations. L'outil est particulièrement utile pour les chercheurs et ingénieurs souhaitant analyser des données, effectuer des calculs intensifs ou explorer des fichiers expérimentaux (comme des fichiers HDF5) sans avoir à installer localement les environnements nécessaires.
- Plateforme interactive permettant aux utilisateurs de créer, partager et exécuter des notebooks pour l'analyse de données, la modélisation et la visualisation. Basée sur Jupyter, elle offre un environnement collaboratif pour les scientifiques, chercheurs et développeurs afin de manipuler des données, exécuter des simulations et générer des rapports dynamiques. Intégrée à des outils de calcul haute performance, elle facilite l'exploration et l'interprétation de résultats complexes.
73 initiatives
10