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.

Pyotb est une bibliothèque Python qui encapsule les fonctionnalités de l'Orfeo ToolBox (OTB), un ensemble d'outils open source dédié au traitement d'images satellites et à la télédétection. Il permet aux développeurs d'utiliser facilement les applications OTB depuis Python, simplifiant ainsi l'analyse d'images géospatiales, la calibration optique, la classification ou encore la génération de produits dérivés. Grâce à son approche Pythonique et son interopérabilité avec des bibliothèques comme NumPy, pyotb rend accessible des traitements complexes tout en optimisant les performances.

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.

PyHiPeRTA est une implémentation en Python d'algorithmes scientifiques dédiés à l'analyse de données haute performance, notamment pour le portage sur GPU. Ce projet vise à accélérer les calculs dans le domaine de l'astrophysique, en s'appuyant sur des bibliothèques comme NumPy pour des implémentations CPU. Il s'agit d'un prototype explorant des solutions optimisées pour le traitement intensif de données.

Bibliothèque Python conçue pour optimiser les performances des fonctions en mettant en cache leurs résultats dans des fichiers. Elle prend en compte les modifications du code des fonctions et des sous-fonctions pour garantir l'intégrité des données en cache. Idéale pour les applications nécessitant des calculs intensifs ou des appels répétés à des fonctions coûteuses.

HiPeRTA_Stream est une bibliothèque Python conçue pour gérer et analyser des données issues de télescopes Cherenkov, notamment ceux du projet CTA (Cherenkov Telescope Array). Elle permet de traiter des flux de données en temps réel ou différé, de convertir des fichiers de données astronomiques entre différents formats (simtel, HDF5, ZFITS), et d'automatiser les étapes de calibration et d'analyse pour la recherche en astrophysique. L'outil est utilisé pour optimiser les performances des instruments et faciliter l'interprétation des observations.

S2P-hd est une bibliothèque Python et un outil en ligne de commande qui implémente un pipeline stéréoscopique pour produire des modèles d'élévation à partir d'images capturées par des satellites optiques haute résolution. Il génère automatiquement des nuages de points 3D et des modèles numériques de surface à partir de paires ou de tri-stéréo d'images, sans intervention humaine. Le logiciel prend en charge divers algorithmes de corrélation stéréoscopique, optimisés pour des performances élevées.

Ppfft est une bibliothèque Python dédiée à l'implémentation de la transformation de Fourier pseudo-polaire et de ses inverses rapides. Elle permet également de réaliser des reconstructions tomographiques en temps réel, essentielle pour l'analyse d'images médicales ou scientifiques. Basée sur des algorithmes optimisés, elle offre des performances élevées pour des applications nécessitant une précision et une rapidité accrues.

ClusterShell est une bibliothèque Python open source événementielle, conçue pour exécuter des commandes localement ou à distance en parallèle sur des fermes de serveurs ou sur de grands clusters Linux. Elle prend en charge les problèmes courants rencontrés dans les clusters haute performance, tels que l'exécution de commandes distribuées à l'aide d'algorithmes d'exécution optimisés, la collecte de résultats et la fusion des sorties identiques, ou la récupération des codes de retour.