Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Ce projet fournit des outils et des jeux de données pour évaluer des modèles probabilistes appliqués à la recherche de similarité et à la classification de séries temporelles. Il inclut des scripts expérimentaux et des logs de performance pour comparer des algorithmes comme k-NN avec des distances euclidiennes ou DTW. Les résultats sont utilisés pour générer des graphiques et des figures dans le cadre de soumissions d'articles scientifiques, notamment pour le VLDB Journal.
- Ce projet développe des modèles de classification pour des séries temporelles, notamment issues de données satellitaires. Il permet d'analyser et de prédire des étiquettes ou des motifs dans des séquences de données multi-modales, comme des images satellites ou des séries temporelles environnementales. Les outils implémentés facilitent le prétraitement, l'entraînement et l'évaluation de modèles dédiés à la classification de ces données.
- Ce projet permet de classifier des signaux ou des séries temporelles en analysant leurs composantes fréquentielles. Il est conçu pour identifier des motifs, détecter des anomalies ou optimiser des modèles prédictifs à partir de données structurées ou non structurées. Les cas d'usage incluent l'analyse de données industrielles, la maintenance prédictive ou l'étude de phénomènes naturels. Le code source est disponible pour une intégration dans des pipelines de traitement de données ou des applications métiers.
- Projet dédié au traitement et à l'analyse d'images par des méthodes avancées d'intelligence artificielle. Il permet d'extraire des caractéristiques visuelles, de détecter des motifs ou des anomalies, et de générer des représentations vectorielles ou des séries temporelles à partir d'images. Les outils développés visent à automatiser des tâches de classification, de segmentation ou d'analyse de contenu visuel pour des applications variées.
- Ce projet propose des tutoriels interactifs en Python pour l'analyse d'images satellites et la télédétection. Il inclut des notebooks Jupyter couvrant l'exploration de catalogues STAC, l'ouverture et le traitement d'images Sentinel-2, le calcul de statistiques zonales, la création de séries temporelles et la classification d'images par apprentissage automatique. Les ressources sont conçues pour faciliter l'apprentissage et l'application des techniques de télédétection.
- Ce projet propose des outils pour automatiser la classification de textes, notamment dans le domaine scientifique. Il permet de structurer, analyser et extraire des informations à partir de documents textuels variés. Les fonctionnalités incluent le prétraitement de données, la génération de jeux de données adaptés, et l'entraînement de modèles pour améliorer la précision des classifications. Il est conçu pour assister les chercheurs et les professionnels dans l'organisation et l'exploitation de corpus textuels.
- Ce projet vise à automatiser le traitement et la classification de documents textuels en extrayant des informations structurées et pertinentes. Il permet de transformer des données non structurées en formats exploitables pour des analyses ultérieures ou des intégrations dans des systèmes d'information. L'objectif est d'accélérer les processus métiers liés à la gestion documentaire tout en réduisant les erreurs manuelles.
8 initiatives
10