Ce projet vise à améliorer la reproductibilité des expérimentations scientifiques ou techniques en intégrant une gestion centralisée des paramètres aléatoires et des configurations. Il permet aux utilisateurs de relancer des expériences avec les mêmes conditions initiales pour obtenir des résultats comparables, tout en formalisant les workflows via un système de tags pour une traçabilité optimale.

Le projet GAEV a pour objectif de créer une preuve de concept (POC) d'une infrastructure logicielle permettant de gérer des environnements virtuels pour des applications scientifiques. Il facilite la mise à disposition d'applications scientifiques préinstallées et configurées, et s'inscrit dans une démarche qualité de science ouverte pour le partage et la reproductibilité.

Outil open source dédié au traitement et à l'analyse d'images scientifiques, notamment dans les domaines de la tomographie et de l'imagerie médicale. Il permet aux chercheurs et ingénieurs de manipuler, visualiser et analyser des jeux de données volumineux avec des algorithmes avancés. Intégré à des environnements de calcul scientifique, il facilite la reproductibilité et l'automatisation des analyses.

Outil dédié à la gestion et à l'automatisation des workflows scientifiques pour garantir la reproductibilité des expériences. Il permet aux chercheurs de structurer, documenter et partager leurs protocoles expérimentaux tout en intégrant des outils d'analyse et de collaboration. Idéal pour les laboratoires et équipes de recherche souhaitant standardiser leurs processus.

Outil prototype conçu pour renforcer la reproductibilité des expériences et recherches scientifiques. Il permet aux chercheurs de documenter, partager et reproduire plus facilement leurs protocoles et résultats, favorisant ainsi la transparence et la fiabilité des travaux académiques ou industriels.

Ce projet vise à standardiser et automatiser le traitement des données pour garantir leur reproductibilité et leur fiabilité dans des environnements scientifiques ou techniques.

Projet dédié à la reproduction et à la validation d'expériences scientifiques publiées dans le domaine des neurosciences. Il permet aux chercheurs de vérifier les résultats d'études en recréant les conditions expérimentales décrites dans un article académique. Le dépôt fournit les outils nécessaires pour exécuter les simulations et analyser les données, favorisant ainsi la transparence et la reproductibilité en science.

Le projet SciQLop-Docker-build-image vise à faciliter la gestion et l'automatisation des workflows scientifiques en créant des images Docker personnalisées pour les applications web. Cela permet d'accélérer le déploiement et la mise à l'échelle des applications, tout en garantissant une cohérence et une reproductibilité des environnements.

Ce projet facilite le déploiement et la gestion d'applications dédiées à la recherche en physique, notamment dans le domaine des sciences de la mer. Il permet aux équipes de collaborer efficacement, d'automatiser les tests et les déploiements, et de maintenir une infrastructure robuste pour des projets scientifiques. Il s'appuie sur des outils modernes pour garantir la reproductibilité et la fiabilité des résultats.

Singularity est une technologie open source conçue pour faciliter le déploiement, le partage et l'exécution d'applications scientifiques ou de calcul intensif dans des conteneurs légers. Elle permet d'encapsuler une application avec son environnement complet, garantissant une reproductibilité totale et une isolation des ressources, sans nécessiter de droits administrateur. Idéale pour les environnements de recherche et les infrastructures HPC, elle simplifie la gestion des dépendances et le partage des environnements entre collaborateurs.