Le projet Turbo décodeur au-delà du Gbps sur multi-cœurs CPU est conçu pour optimiser les performances de décodage de données à des débits supérieurs au Gbps. Il exploite la puissance de traitement parallèle des processeurs multi-cœurs pour améliorer la vitesse et réduire la latence de décodage. Le décodeur prend en charge le décodage simultané de plusieurs flux de données, offrant une solution flexible et efficace pour les applications exigeantes en matière de traitement de données haute vitesse.

Ce projet propose une collection de fonctions utilitaires pour le langage R, conçues pour faciliter le débogage, améliorer la robustesse et optimiser les performances des scripts. Il s'adresse aux développeurs et data scientists utilisant R pour automatiser des analyses ou créer des applications. Les mises à jour régulières intègrent des corrections de bugs et des améliorations de sécurité.

Projet académique visant à concevoir et entraîner des modèles de deep learning pour la conduite autonome de véhicules. Utilise un simulateur 3D pour valider les performances des algorithmes avant leur déploiement potentiel sur des véhicules réels. Permet aux étudiants de tester et d'optimiser des solutions d'intelligence artificielle dans un cadre sécurisé et contrôlé.

Projet open source fournissant un ensemble d'outils et de bibliothèques pour le développement d'applications performantes sur CentOS 7. Il facilite la création de solutions optimisées pour le calcul intensif, l'analyse de données et l'intelligence artificielle, en s'appuyant sur des technologies modernes comme oneAPI. Destiné aux développeurs et chercheurs nécessitant des performances élevées.

Ce projet développe un modèle d'optimisation pour concevoir des réseaux de vélos en libre-service intégrés aux transports publics. Il détermine l'emplacement des stations, leur capacité et le nombre de vélos initiaux, afin de maximiser la couverture de la demande de mobilité, en tenant compte des contraintes budgétaires et opérationnelles. Les solutions sont évaluées via des indicateurs clés de performance et comparées à des scénarios de référence.

Ce projet permet de déployer et configurer un GitLab Runner sur une machine virtuelle Debian 11. Il facilite l'automatisation des pipelines CI/CD en exécutant des tâches définies dans GitLab. Le service peut être personnalisé pour différents types d'exécuteurs (Docker, Packer, Shell) et inclut des options de cache S3 pour optimiser les performances. Idéal pour les équipes DevOps souhaitant automatiser leurs processus de développement et de déploiement.

Ce projet est une gemme Ruby conçue pour modifier le comportement par défaut d'ActiveRecord. Il permet de retarder la persistance des associations en base de données jusqu'à l'appel explicite de la méthode `save`. Cela évite les opérations immédiates et potentiellement dangereuses lors de l'affectation d'associations, comme `team.user_ids = [1, 2]`, qui ne persisteront qu'au moment de l'enregistrement. Idéal pour les applications nécessitant un contrôle précis des transactions et une optimisation des performances.

Ce projet vise à optimiser le stockage de données en évaluant les performances de différentes solutions de stockage et en déployant les plus adaptées. Il permet de garantir une gestion efficace et performante des données, tout en s'adaptant aux besoins spécifiques de chaque utilisateur.

Ce projet démontre l'utilisation de transonic pour accélérer les scripts et applications Python. Il offre des exemples concrets de code amélioré grâce à l'optimisation de performances fournie par transonic.

Ce projet centralise des images Singularity/Apptainer destinées à des tests d'intégration continue sur la plateforme JeanZay. Les images, converties depuis des images Docker, intègrent des dépendances essentielles comme HDF5, NetCDF, parmetis et XIOS. Elles sont optimisées pour fonctionner avec différents compilateurs (GNU, Intel, NVidia) et architectures (CPU, GPU), facilitant ainsi la reproductibilité des tests dans un environnement de calcul haute performance.