Ce projet propose un ensemble de ressources pédagogiques interactives pour initier les utilisateurs à l'écosystème Jupyter et aux carnets numériques. Il sert de support à des ateliers de formation, des cours en ligne ou des tutoriels pratiques, permettant aux enseignants et apprenants de manipuler des outils numériques collaboratifs. Le contenu est conçu pour être réutilisable et adapté à différents contextes éducatifs, favorisant ainsi l'apprentissage actif et l'autonomie.

Dépôt de code source pour une formation d'initiation au langage Python, incluant des notebooks Jupyter et des outils pour les convertir en PDF ou diaporamas.

Ce projet est un cours de formation sur les pratiques équitables en bioinformatique. Il est organisé en 7 notebooks Jupyter qui couvrent des sujets tels que les concepts de reproductibilité, l'utilisation de Git pour le partage de code et l'historique de fichiers, l'introduction à Conda, l'utilisation du cluster BiRD, l'introduction aux workflows Snakemake, et la description d'autres outils intéressants pour la reproductibilité.

Ce projet propose des ressources pédagogiques sous forme de notebooks Jupyter pour un cours de machine learning. Il inclut des exemples concrets illustrant des concepts et méthodes en Python, accompagnés de supports de cours au format PDF. Destiné aux étudiants, il facilite l'apprentissage pratique des algorithmes et outils de data science.

Markdown est un langage très simple pour formater correctement du texte brut avec une syntaxe peu intrusive. Il est largement utilisé dans les outils utilisés par les développeurs, tels que les README de projets Gitlab ou GitHub, les carnets Jupyter, mais aussi dans de nombreux outils utilisés au-delà du cercle des développeurs à Inria, tels que Mattermost, les wikis, et notes.inria.fr qui remplacera notepad.inria.fr.

Outil permettant de publier des cours sous forme de sites web statiques à partir de notebooks Jupyter. Il facilite la création de sites dédiés à la formation en générant des pages HTML personnalisables, des présentations interactives et des livres PDF. Les utilisateurs peuvent configurer leur contenu via un fichier YAML unique et adapter l'apparence du site selon leurs besoins.

Ce projet centralise des tutoriels et ressources pédagogiques autour de la virtualisation légère, des conteneurs, des environnements isolés et de l'écosystème Jupyter. Il vise à accompagner les utilisateurs dans la maîtrise d'outils modernes comme Docker, Singularity ou Kubernetes, tout en soutenant les formations et ateliers organisés par l'IN2P3 et ses partenaires. Les contenus sont structurés pour faciliter l'apprentissage progressif des technologies de déploiement logiciel.

Le projet TP-MLP est dédié à la reconnaissance de symboles mathématiques à partir d'images et de données au format InkML. Il permet de former des modèles de machine learning grâce à des notebooks Jupyter et des scripts Python. Le projet offre des outils utilitaires pour la conversion de fichiers InkML en images et la gestion de bases de données.

Ce projet fournit des images Docker préconfigurées pour enseigner les sciences environnementales via JupyterLab. Il permet aux enseignants et formateurs de déployer rapidement des environnements pédagogiques reproductibles, accessibles en ligne ou localement. Les images incluent les outils nécessaires pour manipuler des données environnementales, facilitant ainsi l'apprentissage pratique et collaboratif.

Ce projet est un noyau Jupyter dédié à l'exécution de code C++ dans des notebooks interactifs. Il permet aux utilisateurs, notamment les formateurs et étudiants, de manipuler et tester du code C++ directement dans un environnement de développement en ligne. Basé sur cppyy, il offre une intégration fluide avec Python et des outils modernes pour faciliter l'enseignement et l'expérimentation du langage C++.