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.

Ce projet est une formation donnée par Neubias à Pasteur autour de l'utilisation de Dask pour l'analyse de données volumineuses et le calcul parallèle. Il contient des notebooks de cours et une spécification d'environnement Conda.

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.

Tikki est un outil d'analyse et d'optimisation des performances de calculs parallèles. Il permet de collecter des données de performance, de les analyser et de les visualiser sous différents formats.

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.