Ce projet est une plateforme dédiée à la formation pratique en intelligence artificielle, notamment pour l'entraînement de modèles de langage avancés comme ceux basés sur l'architecture Transformer. Il permet aux utilisateurs de configurer des environnements de calcul, de soumettre des jobs de formation sur des supercalculateurs, et d'analyser des jeux de données comme SQuAD pour évaluer les performances des modèles. Destiné aux étudiants et chercheurs, il facilite l'accès à des ressources de calcul haute performance.

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.

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.

Événement dédié à la découverte des conteneurs et du mésocentre de Strasbourg. Il propose une journée de formation pratique sur l'utilisation de Docker et Singularity pour lancer des jobs sur un mésocentre de calcul. L'événement inclut des présentations théoriques, des ateliers pratiques et des échanges entre participants pour approfondir les connaissances en informatique haute performance.

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.

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.

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.

HPC_ASTRICS est un projet dédié au calcul haute performance (HPC) et à l'optimisation de calculs scientifiques. Il propose des outils pour accélérer les simulations numériques, les analyses de données et les traitements matriciels, notamment dans le domaine de la physique. Utilisé dans un cadre académique, il facilite la formation et la recherche en optimisant les performances des algorithmes.

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 fournit des outils pour automatiser le traitement de données astrophysiques, notamment la conversion de fichiers de données brutes (comme zfits ou simtel) vers des formats standardisés (comme hdf5) pour les étapes R0 à DL3. Il est conçu pour fonctionner sur des clusters de calcul haute performance comme MUST ou La Palma, facilitant ainsi la recherche en astrophysique.