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.

Outil permettant aux entreprises utilisant Scalingo de calculer et visualiser l'utilisation de leurs ressources cloud. Il génère des rapports détaillés sur les conteneurs, addons et coûts par startup, facilitant ainsi l'optimisation des dépenses et la gestion des infrastructures. L'outil s'intègre directement à l'API de Scalingo pour extraire les données en temps réel.

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 permet de créer et gérer des environnements MATLAB dans des conteneurs Docker et Singularity pour des pipelines d'intégration continue. Il automatise la construction, le taggage et le déploiement d'images Docker depuis des registres privés ou publics, tout en facilitant leur conversion en conteneurs Singularity pour une utilisation locale ou sur des infrastructures de calcul. Idéal pour les équipes souhaitant standardiser leurs environnements MATLAB tout en optimisant leurs processus de développement et de test.

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 automatise le traitement de fichiers génomiques en découpant des séquences FASTA et en exécutant des requêtes BLAST en parallèle. Il permet d'optimiser les analyses génomiques en réduisant le temps de calcul grâce à une parallélisation efficace sur des infrastructures de calcul haute performance comme SLURM. Destiné aux chercheurs et laboratoires en biologie moléculaire, il facilite l'exploration de grandes bases de données génétiques.

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.

PhoenixRender est une solution open source dédiée à l'automatisation et à l'optimisation des processus de rendu 3D. Elle permet aux artistes, studios et chercheurs de gérer efficacement des scènes complexes en distribuant les calculs sur des infrastructures de calcul haute performance. Le projet facilite la collaboration entre équipes en centralisant la gestion des ressources et en automatisant les tâches répétitives, réduisant ainsi les délais de production tout en garantissant une qualité optimale des rendus.

Plateforme dédiée à la gestion et à l'optimisation des infrastructures informatiques pour les organisations. Elle permet d'évaluer les risques, de calculer les coûts énergétiques et environnementaux, de rationaliser les ressources et de planifier les besoins en hébergement. L'outil génère des rapports détaillés pour aider à la prise de décision stratégique.

Ce dépôt centralise des tests dédiés aux infrastructures de calcul haute performance (HPC) gérées par le CINES. Il permet d'évaluer les performances, la fiabilité et la stabilité des systèmes HPC à travers des scripts de test couvrant la mémoire, les entrées/sorties, les communications réseau et la gestion des jobs. Ces tests sont conçus pour valider et optimiser les environnements de calcul scientifique utilisés par la communauté académique et de recherche en France.