Projet pédagogique visant à démocratiser l'accès aux supercalculateurs via un MOOC (Massive Open Online Course). Il propose une formation structurée en trois semaines pour maîtriser les bases du calcul haute performance, l'optimisation des ressources et la programmation parallèle avec OpenMP et MPI. Destiné aux chercheurs, industriels et étudiants, ce projet vise à renforcer les compétences locales en calcul scientifique et à faciliter l'utilisation des infrastructures régionales.

Cette école internationale propose une formation intensive en programmation avancée pour les domaines de l'astrophysique et de l'astroparticule. Elle couvre l'utilisation de bibliothèques scientifiques Python comme NumPy, Pandas et Matplotlib, ainsi que des outils pour le calcul parallèle et le traitement de données. Destinée aux chercheurs et étudiants, elle combine cours théoriques et sessions pratiques pour renforcer les compétences en développement logiciel scientifique.

Plateforme de calcul haute performance (HPC) mutualisée entre l'IPGP et l'APC, dédiée à la recherche scientifique. Elle permet aux chercheurs d'accéder à des ressources de calcul intensif (298 téraflops en pic), à un stockage haute performance (plus de 130 To) et à des formations spécialisées. Le projet vise à optimiser les capacités matérielles et logicielles pour répondre aux besoins évolutifs des laboratoires.

Ce projet propose des ressources pédagogiques pour apprendre la programmation en Python, notamment à travers des notebooks interactifs. Il s'adresse aux débutants comme aux utilisateurs avancés souhaitant approfondir leurs connaissances en science des données et en calcul scientifique. Les formations sont structurées pour faciliter l'apprentissage autonome ou encadré.

Inria est l'Institut national de recherche en sciences et technologies du numérique. Il mène des recherches avancées en intelligence artificielle, calcul haute performance, cybersécurité, robotique et sciences des données. L'institut travaille à l'innovation technologique pour répondre aux enjeux sociétaux et industriels, tout en promouvant l'accès ouvert aux résultats scientifiques et en accompagnant la formation des chercheurs et des professionnels du numérique.

SophyaExtLibs est une bibliothèque logicielle en C++ conçue pour étendre les fonctionnalités de base de SOPHYA. Elle fournit des interfaces et des classes pour interagir avec des bibliothèques externes spécialisées, facilitant ainsi l'analyse de données, les calculs numériques avancés et la gestion de formats de données scientifiques comme FITS ou HDF5. Utilisée principalement en physique, astrophysique et cosmologie, elle permet aux chercheurs de manipuler efficacement des données complexes et d'effectuer des transformations mathématiques ou des calculs spécifiques.

Ce projet propose une formation spécialisée pour maîtriser l'utilisation de Python dans le domaine du calcul haute performance (HPC). Il couvre les techniques d'optimisation, de profilage et de parallélisation pour exploiter pleinement les capacités des infrastructures de calcul intensif. Destiné aux chercheurs et ingénieurs, il inclut des modules pratiques sur les bibliothèques scientifiques et le déploiement sur des environnements HPC.

Ce projet propose une formation spécialisée en calcul haute performance (HPC) avec Python, destinée aux développeurs et chercheurs. Il couvre l'optimisation de code, l'analyse de performance, l'utilisation de bibliothèques scientifiques (NumPy, SciPy, Pandas) et les outils de parallélisation. Les participants apprennent à exploiter les fonctionnalités de Python pour des calculs intensifs et à déployer des solutions sur des infrastructures HPC.

Ce projet propose des ressources pédagogiques pour un cours ou un TP axé sur l'utilisation de la bibliothèque numpy en Python. Il s'agit d'un support de formation destiné aux étudiants ou apprenants souhaitant maîtriser les bases du calcul scientifique avec Python, incluant des exercices pratiques et des explications théoriques.

Projet de formation et d'outils pour la création, la gestion et l'exécution de conteneurs Singularity v3. Destiné aux environnements HPC, il permet de packager des applications dans des conteneurs sécurisés et reproductibles, facilitant leur déploiement et leur utilisation sur des infrastructures de calcul haute performance. Inclut des recettes pour des applications scientifiques et des méthodes d'intégration continue.