Ce projet est un cadre Python qui permet d'identifier et de classer les tweets liés aux crises en fonction de leur informativité. Il utilise des algorithmes de classification et de regroupement de texte pour extraire les tweets les plus pertinents et les classer en fonction de leur similarité sémantique avec un lexique de crise.

Social-networks-bot-finder est un classificateur simple d'utilisation pour les comptes de robots sur Twitter, basé sur l'algorithme Random Forest. Il permet de détecter des comptes de robots en analysant des données d'utilisateurs de réseaux sociaux et en les classant en fonction de leur probabilité d'être un bot.

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.

Ensemble de fonctions Python permettant la classification des néologismes de type amalgame, développé par Pauline Lefebvre et Michael Nauge au Laboratoire FoReLLIS de l'Université de Poitiers.

Le projet dterocc.modeleursQgis3.classificationLCZ fournit des modeleurs QGIS3 pour la production d'une classification LCZ (Local Climate Zone) à partir de la méthode opérationnelle développée par le Cerema. Il permet aux utilisateurs de classer les zones d'occupation du sol en différentes catégories en fonction de leurs caractéristiques physiques et thermiques.

BIOCOM-PIPE est un pipeline d'analyse de séquences d'ADN microbien dans un environnement Docker. Il permet l'alignement et la classification de séquences à partir des gènes 16S, 18S et 23S. Il inclut tous les outils nécessaires à son fonctionnement et télécharge automatiquement les bases de données utilisées.

Module Java 11 avec Maven pour le calcul de l'IPC et l'agrégation des données de prix au niveau des postes de consommation selon la Classification des fonctions de consommation des ménages (Coicop). Utilisé à partir de septembre 2023.

Projet de classification de comptes Twitter utilisateurs en fonction de leur intérêt pour les graines, en utilisant des méthodes d'apprentissage automatique sur des données textuelles et topologiques.

Ce projet traite l'analyse de traces logiques, la classification de motifs de richesse, la génération de matrices FAIs et la simplification de graphes. Il vise à aider les utilisateurs à comprendre et à interpréter les données de traces logiques, à distinguer et à classer les motifs de richesse, à générer des matrices FAIs pour représenter les relations entre les fonctions et à simplifier les graphes pour une meilleure visualisation.

NeatMap est un plugin pour QGIS qui permet la production d'un ensemble organisé de polygones selon leurs formes. Il se base sur des opérateurs morphologiques et une classification pour organiser les polygones en fonction de leur taille, forme et autres indicateurs.