Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Ce projet académique vise à analyser et classer des critiques de films en catégories positives ou négatives. Il utilise des techniques de fouille de textes et de classification automatique pour évaluer la polarité des avis. L'objectif est de comparer différentes approches de traitement automatique du langage naturel afin de déterminer leur efficacité dans ce domaine spécifique. Les résultats peuvent servir de base pour des études ou des applications en analyse de sentiments.
- 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.
- Outil dédié à la classification de données via des algorithmes d'apprentissage automatique. Il permet de définir des modèles de machine learning, de configurer des paramètres d'entraînement et de valider les performances des algorithmes. Le projet facilite la gestion des données d'entrée et l'analyse des résultats pour des applications variées en science des données.
- Projet de recherche académique dédié à la classification d'images par apprentissage profond. Il permet d'entraîner et de tester des modèles de vision par ordinateur pour identifier et catégoriser des images à partir de jeux de données structurés. Utilisé dans un cadre scientifique pour analyser des données visuelles complexes, notamment en histoire ou en biologie, avec des ressources informatiques dédiées fournies par l'Institut Jacques Monod.
- VLCDoC est un projet de recherche axé sur le traitement et l'analyse de documents multimodaux (texte et images). Il propose des outils pour entraîner des modèles capables de classifier des documents, d'extraire des informations pertinentes et d'optimiser des architectures de vision par ordinateur. Le projet s'appuie sur des techniques avancées d'apprentissage automatique pour améliorer la précision et l'efficacité des systèmes de traitement automatique de documents.
- 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.
- Ce projet développe un modèle de classification des formes cliniques de sclérose en plaques à partir d'images d'IRM T1w. Il utilise des réseaux de neurones graphiques basés sur la connectivité morphologique cérébrale pour analyser des données d'épaisseur corticale extraites d'atlas cérébraux. Les résultats contribuent à la recherche médicale en neurologie et visent à améliorer le diagnostic et la compréhension de cette maladie.
9 initiatives
10