Le projet jupyterhub-vm permet de construire et de configurer des machines virtuelles à partir d'une image ISO de serveur Ubuntu, en utilisant les outils Packer, Vagrant et Ansible. Il est possible d'utiliser ces machines virtuelles avec VirtualBox ou OpenStack. Le projet est particulièrement utile pour les chercheurs et les développeurs qui ont besoin d'un environnement dédié pour l'analyse de données et le développement de notebooks Jupyter.

Ce projet facilite le déploiement de JupyterHub sur OpenShift pour héberger des Jupyter Notebooks. Il utilise des templates OpenShift et des builders S2I pour simplifier le déploiement sans nécessiter de privilèges d'administration spéciaux. Il inclut des configurations par défaut pour OpenShift et des options pour personnaliser le déploiement.

Ce projet fournit une instance déployable de JupyterHub sur OpenShift, utilisant OpenShift comme fournisseur d'authentification. Il permet aux utilisateurs de créer et de partager des notebooks Jupyter, idéal pour l'analyse de données, l'apprentissage automatique et la data science.

Ce projet fournit une image Docker basée sur l'image officielle de Jupyter, avec une intégration supplémentaire avec Spark, Hadoop, Hive et Kubernetes. Il permet aux utilisateurs de créer et d'exécuter des notebooks Jupyter pour l'analyse de données.

Projet GitLab dédié à l'utilisation de Jupyter pour le retour d'expérience, avec une licence Creative Commons BY SA. Il s'agit d'un dépôt contenant des dépendances telles que NumPy, SciPy, Matplotlib, Pandas, Seaborn, Bqplot et Plotly, ainsi qu'une démonstration de déploiement de notebooks.

Ce projet fournit une image Docker pour déployer JupyterHub, une plateforme permettant de créer des environnements de développement personnalisés pour les travaux pratiques en informatique et les projets de data science. Les utilisateurs peuvent créer et partager des notebooks Jupyter pour le calcul et la visualisation de données.

Le projet jupyterhub-custom est une personnalisation de JupyterHub, une plateforme open-source permettant de créer et de gérer des environnements de notebooks Jupyter collaboratifs. Il offre un espace de travail interactif pour l'exécution de code et la visualisation de données, principalement utilisé dans les domaines de la recherche, de l'analyse de données et de l'apprentissage automatique.

NbUI est une collection d'interfaces utilisateur (UI) conçue pour être utilisée dans des projets Jupyter Notebook. Ces UI sont construites au-dessus d'ipywidgets et peuvent être réutilisées dans des projets plus importants. Il comprend actuellement deux UI : SelectFolders, qui permet aux utilisateurs de sélectionner un ou plusieurs dossiers avec une navigation de type Unix et une autocomplétion, et SelectFiles, qui permet aux utilisateurs de sélectionner un ou plusieurs fichiers.

Ce projet est un atelier Jupyter dédié à l'utilisation de R pour l'analyse et la visualisation de données. Il fournit un environnement virtuel isolé avec des versions spécifiques de Python et R, ainsi que des dépendances nécessaires pour le développement de notebooks Jupyter.

JupyterLite est une version allégée du célèbre environnement Jupyter, dédiée à l'exécution locale dans le navigateur, sans nécessiter de serveur dédié. Il permet de créer, d'éditer et d'exécuter des notebooks Jupyter, en bénéficiant d'un ensemble de fonctionnalités et d'extensions adaptées aux besoins des utilisateurs, notamment en termes d'analyse et de visualisation de données.