Ce projet propose une image Docker légère basée sur CentOS 7, intégrant Miniconda, PyTorch avec CUDA 11.3 et JupyterLab. Destiné aux environnements de développement et d'intégration continue, il permet aux chercheurs et développeurs de créer des notebooks interactifs pour l'apprentissage profond. L'image est optimisée pour les calculs accélérés par GPU et est hébergée sur l'infrastructure interne du Pasteur Institute.

Ce projet fournit des environnements Jupyter préconfigurés et sécurisés, spécialement conçus pour la recherche en santé et les data scientists travaillant sur des entrepôts de données médicales (EDS). Il standardise les outils, les dépendances et les bonnes pratiques pour garantir la reproductibilité, la sécurité et la collaboration dans l'analyse de données cliniques. Intégré à l'écosystème HELIX, il facilite l'accès aux données tout en respectant les contraintes de gouvernance et de conformité.

Ce projet fournit une image Docker basée sur l'image officielle de Jupyter, avec une intégration supplémentaire avec Spark, Hadoop, Hive et Kubernetes. Il permet aux utilisateurs de créer et d'exécuter des notebooks Jupyter pour l'analyse de données.

Notebook-vscode est un projet open source qui vise à fournir un environnement de développement intégré pour Jupyter Notebooks, en intégrant des fonctionnalités de Visual Studio Code. Il permet aux développeurs de bénéficier d'un environnement de développement complet pour l'écriture et l'exécution de code Python dans un environnement web.

Plateforme collaborative en ligne dédiée à l'analyse et à la visualisation de données biologiques. Elle permet aux chercheurs et scientifiques de créer, partager et exécuter des notebooks interactifs intégrant du code, des équations, des visualisations et du texte narratif. L'environnement est personnalisable avec différents stacks logiciels adaptés aux besoins spécifiques des utilisateurs.

PyTimelineJS Notebook est un outil permettant de créer des frises chronologiques interactives et dynamiques à partir de données structurées. Il s'intègre facilement dans des environnements de notebooks comme Jupyter, offrant une visualisation claire et personnalisable des événements temporels. Idéal pour les chercheurs, enseignants ou professionnels souhaitant présenter des données historiques ou des projets de manière visuelle et engageante.

Ce dépôt contient le codebase complet pour les expériences décrites dans l'étude sur l'intégration de données dans le secteur de la vente au détail en utilisant les technologies du Web sémantique. Il inclut des scripts de configuration expérimentale et des notebooks Jupyter pour guider le processus d'expérimentation.

Ce projet propose un environnement minimaliste basé sur Jupyter, intégré dans des conteneurs Singularity/Apptainer et Docker. Il permet aux chercheurs et développeurs de déployer rapidement un espace de travail reproductible pour exécuter des notebooks scientifiques, analyser des données ou tester des algorithmes. Les images conteneurisées garantissent une compatibilité et une portabilité optimales entre différentes infrastructures de calcul, tout en simplifiant la gestion des dépendances logicielles.

Le projet dataap est un dépôt de code source qui contient des scripts et des notebooks Jupyter pour produire des données à destination du projet Anthologie palatine. Il permet de centraliser et d'automatiser la génération de ces données, facilitant ainsi leur intégration dans la base de données du projet.

EDUPYTER38 est une plateforme éducative portable dédiée à l'apprentissage de la programmation Python. Conçue pour les établissements scolaires, elle offre un environnement de développement complet et isolé, accessible sans modification du système hôte. Intégrant JupyterLab et Jupyter Notebook, elle permet aux élèves de coder dans un cadre sécurisé et autonome. Facile à installer et à supprimer, elle simplifie la gestion des ressources pédagogiques pour les enseignants.