Ce projet propose une formation complète sur les outils et bibliothèques Python dédiés à l'intelligence artificielle et au deep learning. Il couvre notamment l'utilisation de PyTorch pour la création de modèles, ainsi que des techniques de visualisation de données avec Matplotlib. Destiné aux développeurs et chercheurs, il permet d'acquérir des compétences pratiques en machine learning.

Cette formation vise à initier les participants à Apptainer, un outil de conteneurisation open source. Elle couvre les concepts de base, l'installation, la création d'images via Docker, et l'exécution de conteneurs. Des cas pratiques en R ou Python illustrent son utilisation pour garantir la reproductibilité des analyses. Destinée aux utilisateurs de Linux ou Windows avec WSL2, elle s'adresse aux chercheurs, data scientists et développeurs souhaitant maîtriser cet outil.

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.

Bibliothèque Python dédiée à la validation de données conformes aux formats français courants. Elle permet aux développeurs et data scientists de vérifier rapidement si une valeur respecte un format spécifique (comme un numéro de département, un code postal, etc.). Elle offre également la possibilité de récupérer l'ensemble des valeurs valides pour un format donné, utile pour alimenter des menus déroulants dans des interfaces frontales.

Cette bibliothèque Python facilite l'exportation et la migration entre différents formats de bases de données. Elle permet aux développeurs de transférer des données de manière simple et automatisée, réduisant ainsi les efforts manuels et les risques d'erreurs lors des changements de structure ou de système.

Bibliothèque Python permettant d'accéder, télécharger et visualiser des données météo depuis des API tierces comme Darksky et OpenWeatherMap. Elle facilite l'intégration de ces données dans des analyses ou des graphiques, avec des fonctionnalités pour gérer les fuseaux horaires et les formats de données. Idéale pour les chercheurs, développeurs ou passionnés de météorologie souhaitant automatiser la collecte et l'exploitation de données météo.

Ce projet est une ressource pédagogique pour une journée de formation au code pour les non-développeurs, fournissant des instructions pour l'installation de GitHub, Scalingo, git et python, et couvrant des sujets tels que les pages statiques avec HTML et CSS, Django pour le développement web et l'intégration de formulaires HTML.

Ce projet propose une solution Docker pour simplifier la compilation d'applications Android au format APK à partir de code Python écrit avec la bibliothèque Flet. Il permet aux développeurs de disposer d'un environnement prêt à l'emploi, évitant ainsi l'installation manuelle de multiples outils nécessaires à la génération d'APK. L'objectif est de rendre accessible la création d'applications mobiles sans expertise approfondie en configuration technique.

Ce projet contient les supports de cours d'une auto-formation d'initiation à Python, proposée sur le SSP Cloud. Les différents chapitres peuvent être déployés en un clic sous la forme d'un Notebook Jupyter. Les sources des supports de cours sont disponibles au format qmd dans le dossier source/ et peuvent être générées en notebooks ipynb exécutables grâce à Quarto et aux packages Python nécessaires.

Ce projet propose une formation d'initiation au langage Python, incluant des supports pédagogiques sous forme de notebooks Jupyter. Il permet aux participants d'apprendre les bases du langage de manière interactive et pratique. La formation est accessible en ligne et régulièrement mise à jour via un dépôt GitLab.