Bienvenue sur la collection HAL du groupe de recherche AMIS

Le groupe de recherche AMIS comprend un ensemble de chercheurs de l'Université Paul Valéry principalement spécialisés dans les différents domaines de la science des données. Composé de membres issus des mathématiques, de la statistique et de l'informatique, il a pour objectif d'étudier et de proposer des modèles, des algorithmes et des visualisations permettant d'extraire des connaissances d'ensembles de données hétérogènes (spatiales, géographiques, séquentielles, temporelles, textuelles, images, vidéos...) et nombreuses (big data). Les domaines d'application des travaux du groupe sont variés, ils concernent aussi bien les sciences humaines et sociales (e.g. sciences du langage, géographie, histoire...) que les sciences de la nature (e.g. astrophysique, biologie, épidémiologie...).

Dernières Publications

 

Collaboration par pays

 

Derniers dépôts

Chargement de la page

 

Actualités

Le Service commun de la documentation vous propose un cycle de 8 webinaires sur tout le mois de juin, pour vous initier aux enjeux et aux outils de la science ouverte, et ainsi vous aider à valoriser vos recherches et vos données. Ces présentations d'une durée d'1h environ, intégrant un temps d'échanges, s'adressent à tous chercheurs et doctorants intéressés par ces questions. Vous pouvez vous inscrire à un ou plusieurs webinaires, en fonction des thématiques qui vous intéressent. L'inscription est gratuite mais obligatoire, un lien de connexion vous sera envoyé quelques jours avant la date.

Continuer la lecture Partager

Le Passeport pour la science ouverte est un guide conçu pour accompagner les doctorants à chaque étape de leur parcours de recherche, quel que soit leur champ disciplinaire. Il propose une série de bonnes pratiques et d’outils directement activables.

Continuer la lecture Partager

Le site Sherpa/Romeo a fait peau neuve cet été et propose une nouvelle interface qui décline les politiques de libre accès des éditeurs, et non plus uniquement celles qui concernent l’auto-archivage. HAL a dû s’adapter pour n’afficher dans le formulaire de dépôt que les informations utiles à l’auto-archivage et être simples à appréhender par le déposant.

Continuer la lecture Partager

 

Nombre de références

76

 

Nombre de dépôt avec texte intégral

269

 

Statistiques par typologie

 

Connaitre la politique de mon éditeur

 

Mots clés

Factorization Machine learning Species distribution Quasiperiodicity Text categorization Data Mining Suicide SCGLR Presence-only data Polarity detection Controversy Fouille de données Explainability Branching pattern Spanning tree Visualization Natural language processing Données multi-sources Biennial bearing Biodiversity Médias sociaux Aggregation Data mining Cancer du sein Algorithme EM Classification Sequential patterns Remote sensing French Guiana Morphisms Clustering Base de données intégrée Combinatorics on Words Sturmian words NLP Data integration optimization Social media Branch vertices constraint Opinion mining Combinatorics on words Graph theory Graph drawing Partition tree Generalized linear model Hydro-écologie Infinite words Animal epidemiology Données textuelles Hierarchically-structured categorical variable Node overlap removal Trajectoires de patients S-adic conjecture Formal Concept Analysis Fouille de texte APIA Algorithms Citizen science Visual analytics Layout adjustment Artificial intelligence Evaluation Fouille de textes Communities Fisheye Approximation Arabidopsis thaliana Emotion analysis Environmental data LifeCLEF Attention-based graph embedding Generalised Linear Mixed Model Generalizations of Sturmian words Médecine Controversy detection Emotion classification GLM specification S-adicity Homomorphism Analyse d’opinions Supervised components Analyse de sentiments Extraction d’information Clinical Data Standardization Benchmark Variables latentes Vocabulaire patient Visualisation Graph neural networks Sentiment analysis Text mining EM algorithm Social networks Growth pattern Autoregressive random effect Hydro-ecology Hierarchical graph representation learning Breast cancer Apprentissage supervisé Factor complexity Deep learning