Le projet shapingAI-classif est dédié à la classification de texte dans le cadre du projet Shaping AI. Il prend en entrée un fichier CSV avec des colonnes 'title' et 'content' et produit en sortie un fichier CSV avec la classification correspondante.

COmparaison de CLassIfication par rapport à une référence COmmune (COClico) est un outil en cours de développement permettant de comparer les résultats de deux processus de classification de données LiDAR par rapport à une classification de référence. Les résultats sont comparés par le calcul de plusieurs métriques, dont sont ensuite tirés des scores compris entre 0 et 1. Ces métriques sont calculées de façon indépendante pour chaque classe mentionnée dans un fichier de configuration.

Ce package facilite l'obtention de données multimédia à partir de la base de données GBIF pour une utilisation dans des tâches de classification en apprentissage automatique. Il enveloppe l'API GBIF et prend en charge la requête directe de l'API pour obtenir et télécharger une liste d'URLs. Il fournit également un téléchargeur efficace qui utilise des modules asyncio Python pour accélérer le téléchargement de nombreux petits fichiers.

Ce projet contient le code utilisé pour entraîner un classifieur SVM (Support Vector Machine) de lignes dans des esquisses. Les données et les résultats d'entraînement peuvent être téléchargés à partir de liens fournis dans le fichier README.

Le projet MML-classification permet de définir des modèles de machine learning à des fins de classification, en spécifiant des jeux de données d'entrée et en configurant des algorithmes de classification. Il offre également des options de validation croisée.

Le projet text-classification est un outil d'analyse et de traitement automatique de texte. Il permet de classer, catégoriser et analyser le contenu de données textuelles, offrant ainsi des informations précieuses pour la prise de décision et l'automatisation des processus.

Ce projet est un classificateur automatique de données textuelles basé sur des modèles de langage (LLMs). Il permet de catégoriser et d'analyser le sens de texte brut pour faciliter le tri et le traitement de grandes quantités de données.

Ce projet consiste en un catalogue de notebooks d'entrée de gamme dédié à la formation de professionnels de santé. Il permet la classification de médicaments et l'analyse de données médicales.

Projet de classification d'images utilisant le modèle Yolo-Classification sur un serveur Debian 12 Bookworm avec une carte graphique NVIDIA GeForce RTX 2060 SUPER. Les données utilisées pour l'entraînement du modèle sont disponibles à l'adresse <https://src.koda.cnrs.fr/lamop/yolo-classification/-/tree/main/Data?ref_type=heads>