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 propose des ressources et tutoriels pour maîtriser le langage Rust et optimiser des codes C++. Il inclut des exemples concrets de simulation scientifique, des outils de visualisation de traces GPU/CPU, et des benchmarks pour comparer les performances entre différentes implémentations. Destiné aux développeurs et chercheurs, il facilite l'apprentissage des bonnes pratiques en programmation parallèle et l'utilisation de Vulkan pour le calcul haute performance.

Ce projet propose des outils et méthodes pour optimiser les calculs intensifs sur GPU, notamment dans le domaine de la simulation scientifique. Il inclut des bibliothèques et frameworks dédiés à l'accélération des traitements parallèles, ainsi que des ressources pédagogiques pour former les utilisateurs à ces technologies. Destiné aux chercheurs et ingénieurs, il facilite la mise en œuvre de solutions haute performance pour des applications variées.

Ce projet fournit des outils et des environnements configurés pour exécuter des calculs intensifs sur des clusters GPU. Il facilite la soumission de tâches de calcul scientifique, d'apprentissage automatique ou de simulation numérique via des images conteneurisées optimisées pour les architectures NVIDIA. Destiné aux chercheurs et ingénieurs, il permet d'exploiter efficacement les ressources GPU disponibles dans un cadre académique ou industriel.

Bibliothèque Python dédiée à l'analyse et à la modélisation de données géospatiales. Elle permet aux scientifiques et ingénieurs de traiter des ensembles de données complexes pour étudier des phénomènes naturels, optimiser l'utilisation des ressources ou simuler des processus environnementaux. Intégrant des outils avancés de calcul et de visualisation, elle facilite la prise de décision dans des domaines comme l'urbanisme, l'écologie ou la gestion des risques.

Ce projet fournit un conteneur CentOS-7 préconfiguré avec Miniconda et CUDA 9.2 pour accélérer les calculs GPU sur des nœuds dédiés (K80, M40, P100). Il permet d'exécuter des applications scientifiques ou d'apprentissage profond sans problème de compatibilité kernel. Utilisable sur des infrastructures HPC comme TARS, il facilite le déploiement et l'optimisation des ressources pour des tâches intensives en calcul.

Ce projet propose des sous-routines d'algèbre linéaire dense optimisées pour des architectures hétérogènes et distribuées. Il vise à accélérer les calculs mathématiques intensifs, notamment dans des environnements nécessitant une grande puissance de traitement comme le calcul scientifique ou l'analyse de données massives. Les performances sont améliorées grâce à une parallélisation adaptée aux ressources disponibles.

Cpp-taskflow est une bibliothèque moderne en C++ conçue pour simplifier la programmation parallèle. Elle permet aux développeurs d'exprimer des tâches et leurs dépendances de manière intuitive, facilitant ainsi l'optimisation des performances des applications nécessitant un calcul intensif ou des opérations multithreads. Idéale pour les projets scientifiques, industriels ou embarqués, elle réduit la complexité liée à la gestion des threads et améliore l'efficacité des ressources.

Outil dédié à l'exécution distribuée de tâches pour des workflows scientifiques ou techniques. Il permet d'orchestrer des calculs complexes en répartissant la charge sur plusieurs nœuds, optimisant ainsi les performances et la scalabilité des traitements. Idéal pour les projets nécessitant une gestion avancée des ressources et des dépendances entre tâches.

Ce projet centralise des ressources pédagogiques dédiées au calcul scientifique et à l'optimisation des performances. Il propose des tutoriels sur des thèmes variés comme le profilage, la vectorisation, l'utilisation d'accélérateurs (OpenCL, Kokkos) ou encore le calcul intensif (OpenMP, MPI). Il couvre également des outils modernes comme TensorFlow, Spark ou HDF5 pour la science des données et l'apprentissage automatique.