Catalogue des formations

Vous souhaitez utiliser un terminal pour communiquer avec votre ordinateur ou un superordinateur? L’invite de commande vous intimide? Dans cet atelier, apprenez les commandes de base pour gérer vos fichiers et naviguer dans vos dossiers.

1. Introduction à la ligne de commande
2. Arborescence des fichiers et répertoires
3. Création, suppression et gestion de fichiers et répertoires
4. Combinaison de commandes, redirections et filtres
5. Boucles, script Bash, recherche…

Vous n’avez jamais programmé mais vous aimeriez automatiser le traitement de vos données? Découvrez les concepts fondamentaux de la programmation à travers le langage R. Apprenez aussi à manipuler des données, créer des graphiques simples et automatiser des tâches répétitives.

1. Bases du langage R
2. Analyse et visualisation de données
3. Listes, répétitions d’opérations, expressions conditionnelles et fonctions
4. Langage R sur les superordinateurs

Vous souhaitez vous lancer dans la programmation? Python est un langage accessible et polyvalent qui offre une grande puissance d’analyse. Dans cet atelier, apprenez les concepts fondamentaux qui vous permettront de créer vos premiers scripts.

1. Opérations mathématiques en Python
2. Découverte des chaînes, entiers, booléens, listes et dictionnaires
3. Création de scripts
4. Importation de paquets

Vous avez déjà découvert les bases de Python et souhaitez aller plus loin? Cet atelier vous apprend à structurer vos scripts pour des analyses plus complexes et réutilisables. Vous apprendrez à automatiser vos traitements grâce aux boucles et conditions, à lire des fichiers de données ainsi qu’à organiser votre code avec des fonctions et des classes.

1. Boucles for
2. Conditions if
3. Lecture de fichiers
4. Fonctions
5. Classes

Vous passez des heures à nettoyer vos données à la main? Le logiciel ouvert OpenRefine vous permet de le faire efficacement avec une interface graphique intuitive. Vous apprendrez notamment à détecter les erreurs de frappe et standardiser les formats, tout en gardant une trace de chaque modification.

1. Filtres et « facetting »
2. Correction des mauvaises entrées et erreurs de frappe
3. Automatisation des modifications
4. Réconciliation et bonification des données

Vous avez déjà perdu du code important ou eu du mal à collaborer sur un projet? Git résout ces problèmes en gardant un historique complet de votre travail. Cet atelier vous enseigne les bases pour sauvegarder votre progression, revenir en arrière en cas d’erreur et travailler en équipe.

1. Configuration de Git
2. Création de dépôts
3. Suivi des versions et exploration de l’historique
4. Dépôts distants et collaboration

Perdez-vous un temps précieux à chercher vos propres données? Cet atelier vous guide dans les enjeux de la gestion des données de recherche. Découvrez les bonnes pratiques et les concepts reliés aux données sensibles. Repartez avec de nouvelles connaissances pour gérer, protéger et valoriser vos données tout au long de leur cycle de vie.

1. Données et métadonnées
2. Cycle de vie des données
3. Principes FAIR et bonnes pratiques de gestion
4. Classification des données sensibles
5. Anonymisation et dépersonnalisation des données

Votre ordinateur personnel montre ses limites pour mener vos recherches? Apprenez à utiliser un superordinateur et amenez vos analyses à un autre niveau!

1. Introduction au calcul informatique de pointe
2. Transfert de fichiers et utilisation de logiciels variés
3. Ordonnanceur et soumission de tâches
4. Erreurs courantes, bonnes pratiques et recommandations

Vous avez besoin d’une vue d’ensemble sur vos travaux? JupyterLab est un outil interactif qui vous donne accès à une interface graphique et intuitive. Apprenez à créer des notebooks (combinant code, texte et visualisations) et accédez à des outils comme R Studio, VS Code ou OpenRefine.

1. Découverte de JupyterLab
2. Bonnes pratiques
3. Notebooks (Python, R, Julia)
4. Bureau virtuel, VS Code, OpenRefine, LibreQDA
5. Suivi des ressources

Vos tâches attendent trop longtemps ou gaspillent des ressources? Cet atelier vous sensibilise à l’utilisation des CPU, GPU et de la mémoire sur les grappes Narval et Rorqual. Vous découvrirez les erreurs communes qui diminuent votre priorité et les techniques pour maximiser vos performances, à l’aide des portails.

1. Concept de priorité
2. Utilisation des portails
3. Gaspillage de ressources
4. Commandes de soumissions SBATCH

Combien de processeurs, de mémoire et de temps demander pour votre calcul? Une mauvaise estimation peut faire échouer vos tâches ou diminuer votre priorité future. Cet atelier vous donne les outils pour évaluer vos besoins réels et faire le suivi des ressources consommées.

1. Les différents types de tâches
2. Choix des ressources
3. Analyse des tâches en cours ou terminées

Vous devez exécuter des centaines de variantes de votre analyse ou répéter le même calcul avec différents jeux de données? Cet atelier vous montre comment structurer et soumettre de nombreuses tâches sans surcharger l’ordonnanceur. Vous apprendrez aussi les techniques de regroupement et de parallélisation pour lancer vos analyses.

1. Parallélisme des données
2. Vecteurs de tâches
3. Balayage de tâches avec GNU Parallel
4. Outils META-Farm et GLOST

Quand utiliser un GPU plutôt qu’un CPU pour vos calculs? Cet atelier vous aide à identifier les cas où les GPU apportent un réel avantage et ceux où ils sont inutiles. Vous découvrirez les bonnes pratiques pour exploiter efficacement ces ressources coûteuses et éviter le gaspillage.

1. Vue d’ensemble sur les CPU et GPU
2. Outils de surveillance
3. Outils de profilage de code

Python est facile à utiliser mais parfois trop lent pour vos calculs intensifs? Le compilateur Numba traduit votre code Python automatiquement pour le rendre plus rapide, que ce soit sur CPU ou GPU. Découvrez les techniques essentielles pour optimiser vos fonctions les plus coûteuses en temps de calcul, tout en gardant la simplicité de Python.

1. Pourquoi utiliser des GPU pour le calcul?
2. Comprendre la différence entre un CPU et un GPU
3. Numba : compilation just-in-time
4. Calcul parallèle : répartition entre cœurs CPU et GPU
5. Numba + CUDA : portage d’un code CPU vers un GPU
6. Numba + CUDA : accélération accrue grâce à la mémoire partagée et aux flux

Vous voulez libérer tout le potentiel de vos ressources GPU? Optimisez l’efficacité de vos calculs avec la technique du fractionnement de GPU ou celle du partage de ressources entre plusieurs tâches et travaux. Cet atelier pratique est indispensable si vous utilisez notamment de puissants systèmes H100, pour éviter un gaspillage des ressources, une baisse de priorité de vos tâches ou leur interruption.

1. Pourquoi maximiser l’utilisation du GPU?
2. Comment gaspiller les cycles GPU?
3. Flux CUDA
4. Réduction du gaspillage grâce aux MIG
5. Partage d’un GPU entre plusieurs tâches avec le MPS
6. Time-Slicing

Vos fichiers ont des milliers de lignes difficiles à traiter avec Excel? Il est temps d’automatiser l’analyse de vos données avec Python et sa bibliothèque Pandas! Cet atelier vous guidera pour charger, nettoyer et analyser de grands jeux de données sous forme de tableaux.

1. Pandas et les DataFrames (tableaux de données) en Python
2. Statistiques descriptives et regroupement de données
3. Sélection de lignes et de colonnes de données
4. Nettoyage des données non-définies
5. Combinaisons de jeux de données

Comment révéler les tendances cachées dans vos milliers de lignes de données? Cet atelier vous apprend à créer des graphiques interactifs à partir de vos données tabulaires. Vous maîtriserez histogrammes, courbes temporelles, distributions et graphiques multi-facettes pour transformer vos tableaux en visualisations percutantes.

1. Visualisations simples à partir d’un DataFrame (tableau de données)
2. Création de graphiques interactifs avec Altair
3. Construction d’une figure pas-à-pas en suivant une grammaire des graphiques
4. Visualisation de séries temporelles et de distributions des données
5. Création de plusieurs facettes dans une même figure

Vous voulez prédire des tendances et automatiser vos analyses? Découvrez l’apprentissage machine (machine learning), une composante essentielle de l’intelligence artificielle. Dans cet atelier, vous explorerez les principales méthodes de classification, de prédiction et de détection de tendances. Pas à pas, vous apprendrez aussi à créer vos propres modèles prédictifs avec scikit-learn, la bibliothèque Python de référence dans le domaine.

1. Introduction (en douceur) aux mathématiques de l’apprentissage machine
2. Exercices et applications en pratique

Comment fonctionnent ChatGPT, les voitures autonomes et la reconnaissance d’images? Découvrez les bases de l’apprentissage profond (deep learning), un concept fondamental de l’intelligence artificielle. Dans cet atelier, vous créerez des réseaux de neurones capables d’apprendre automatiquement à partir de données brutes. Vous apprendrez aussi à entraîner vos propres modèles, à l’aide de PyTorch, la bibliothèque utilisée par les plus grands laboratoires de recherche.

1. Révision de l’apprentissage machine avec Scikit-learn
2. Introduction aux réseaux de neurones
3. Entraînement de réseaux de neurones avec PyTorch
4. Introduction à l’entraînement de haute performance

Vous voulez comprendre comment fonctionne un ordinateur quantique? Cet atelier vous guide à travers les concepts fondamentaux : qubits, mathématiques sous-jacentes et systèmes physiques. Vous programmerez votre premier simulateur quantique et découvrirez les défis actuels de cette technologie d’avant-garde.

1. Présentation de MonarQ, l’ordinateur quantique de Calcul Québec
2. Concept de qubit
3. Opérations sur les qubits et notions d’algèbre linéaire
4. Superposition d’états quantiques
5. Développement d’un simulateur quantique à un qubit
6. Aperçu des contraintes de l’ère NISQ

Vous voulez programmer vos premiers circuits quantiques? Cet atelier vous enseigne la programmation quantique avec PennyLane pour créer des circuits, manipuler des portes quantiques, effectuer des mesures et préparer des états. Vous découvrirez aussi les circuits variationnels pour une approche complète de la programmation quantique.

1. Survol des concepts de base de l’informatique quantique
2. Introduction aux circuits quantiques avec PennyLane
3. Fonction quantique, « device », qnode
4. Portes, mesures et préparation d’états quantiques
5. Contraintes de l’ère NISQ (profondeur de circuits)