Ce projet est un projet de deep learning implémenté en Python. Il consiste en un notebook contenant un modèle de deep learning et des algorithmes. Le projet est structuré en plusieurs répertoires : le notebook principal, un répertoire contenant le jeu de données utilisé pour l'entraînement et les tests, un répertoire contenant les résultats d'évaluation et les métriques de performance, et un répertoire contenant l'application web.

Ce projet fournit un modèle complet pour déployer une application Django sur Kubernetes. Il inclut la configuration d'une base de données PostgreSQL, l'automatisation des déploiements via GitLab CI/CD, et des instructions détaillées pour la mise en place d'un environnement de développement et de production. Idéal pour les développeurs souhaitant accélérer le déploiement d'applications web.

Ce projet fournit un modèle de départ pour développer des bibliothèques en Rust compilées en WebAssembly. Il permet aux développeurs de créer des modules performants exécutables dans les navigateurs web, facilitant ainsi l'intégration de fonctionnalités avancées comme des algorithmes complexes ou des traitements intensifs directement dans les applications web modernes.

Ce projet fournit un modèle prédéfini (template) pour générer rapidement des applications web compatibles avec OMERO. OMERO est une plateforme open source dédiée à la gestion et au partage d'images scientifiques. Le cookiecutter automatise la création de la structure de base du projet, réduisant ainsi le temps de développement et évitant les erreurs de configuration initiale.

Ce projet fournit un modèle de déploiement pour des applications web basées sur Django, incluant une base de données PostgreSQL. Il facilite la mise en place d'une infrastructure Kubernetes pour héberger et gérer des applications web, avec des outils d'automatisation pour le déploiement, la configuration et la maintenance. Idéal pour les développeurs souhaitant déployer rapidement des applications scalables.

Ce projet est un modèle de base pour créer rapidement des applications web en utilisant le framework Spring Boot. Il fournit une structure standardisée et des configurations prêtes à l'emploi pour démarrer le développement d'applications Java sans repartir de zéro. Idéal pour les développeurs souhaitant gagner du temps sur la configuration initiale.

Ce projet est un modèle de démarrage pour créer rapidement des applications web avec Flask et une interface d'administration intégrée. Il permet aux développeurs de gagner du temps en fournissant une structure de base solide, des outils de gestion de base de données et des fonctionnalités prêtes à l'emploi pour administrer les données. Idéal pour prototyper ou lancer des applications internes.

Ce projet est un modèle pour créer des applications web avec Node.js et Express. Il permet de générer des pages web dynamiques, de gérer les routes et les URL, d'analyser les logs et les erreurs, et de réaliser des tests unitaires et d'intégration. Ce modèle est compatible avec Auto DevOps pour faciliter le déploiement et l'intégration continue.

Le projet shiny-k8s vise à aider les membres de l'Institut Pasteur à déployer correctement et facilement des applications web RShiny sur Kubernetes. Il fournit des composants pour construire des images Docker et les déployer sur un registre, ainsi que des modèles Helm pour faciliter le déploiement des applications RShiny sur Kubernetes.

Ce projet est un modèle de monorepo TypeScript utilisant Turborepo pour structurer et gérer plusieurs applications et bibliothèques au sein d'un même dépôt. Il facilite la collaboration, la réutilisation de code et l'optimisation des builds grâce à des outils intégrés comme TypeScript, ESLint et Prettier. Idéal pour les équipes développant des applications web ou des bibliothèques partagées.