Ce projet de recherche en humanités numériques vise à tester les capacités de différents larges modèles de langage (LLM) dans le domaine des réponses à des questions en histoire, en analysant la qualité et la précision des réponses, ainsi qu'en vérifiant la possibilité d'extraire les données prépondérantes dans les réponses générées pour une réutilisation potentielle.

Ce projet implémente une solution pour classer les magasins de détail en fonction de leurs ventes annuelles en utilisant un jeu de données réel. Il comprend des algorithmes de nettoyage et de préparation de données pour gérer les caractéristiques catégorielles sales, ainsi qu'une méthode de classification des produits en utilisant une hiérarchie de produits locale. Les résultats sont validés en comparant avec des jeux de données étiquetés manuellement.

Ce projet implémente une étude de faisabilité sur la mise en œuvre de la méthode de l'ensemble dominant minimum (MDS) pour le clustering sous contraintes de rayon. Il fournit des fonctionnalités de benchmarking et de comparaison de résultats.

Le projet trustmodelevaluation est un outil qui évalue automatiquement les modèles de calcul de confiance par rapport aux exigences exprimées. Il aide les utilisateurs à choisir les exigences de leur système et le modèle de calcul de confiance le plus approprié pour leur application.

Ce dépôt contient le codebase complet pour les expériences décrites dans l'étude sur l'intégration de données dans le secteur de la vente au détail en utilisant les technologies du Web sémantique. Il inclut des scripts de configuration expérimentale et des notebooks Jupyter pour guider le processus d'expérimentation.

Ce projet vise à développer des techniques de prévision de prix de l'électricité pour le marché portugais, en utilisant des méthodes statistiques, de Machine Learning et de Deep Learning. Il s'appuie sur une analyse approfondie de la littérature existante et sur l'utilisation d'un jeu de données unique pour surmonter les limites des études précédentes.

OntoDB est une plateforme d'ontologies basée sur une base de données, offrant un support pour plusieurs modèles d'ontologies dans une base de données à base d'ontologies. Elle a été développée à l'origine pour stocker, échanger, intégrer et traiter des catalogues industriels modélisés comme des données basées sur des ontologies associées à une ontologie formelle.

KMADe est un outil d'analyse et de modélisation des activités humaines dédié à la conception et à l'évaluation ergonomique des systèmes interactifs. Il permet de décrire, d'analyser et de formaliser les activités des utilisateurs dans des environnements (informatisés ou non), en situation réelle ou simulée. KMADe est basé sur un modèle formel qui facilite la description, l'examen et l'analyse des tâches, limite les variations interindividuelles, augmente le niveau de complétion des descriptions, autorise des traitements ultérieurs, et facilite les passages entre les modèles de terrain et les étapes du cycle de vie des logiciels.

MoSaRT est un framework basé sur un langage de modélisation graphique qui permet de concevoir et d'analyser des systèmes en temps réel. Il vise à combler le fossé entre la communauté académique de la théorie de la planification en temps réel et les pratiques industrielles. Il fournit une langue de conception graphique conforme aux normes et une base de données d'analyse qui permet aux chercheurs de promouvoir leurs travaux et d'augmenter l'applicabilité de l'analyse de la planification en temps réel.

Ce projet consiste en l'implémentation et l'optimisation de l'algorithme de dénombrement de triangles aléatoires utilisant des requêtes SQL. Il est destiné à être utilisé sur un cluster de 8 hôtes avec l'OS Ubuntu 16.04 LTE ou supérieur, et nécessite Python 2.6 ou supérieur ainsi que le client Python_vertica.