 | Monter d'un niveau |
Réseau de collaborationCe graphique trace les liens entre tous les collaborateurs des publications de {} figurant sur cette page.
Chaque lien représente une collaboration sur la même publication. L'épaisseur du lien représente le nombre de collaborations.
Utilisez la molette de la souris ou les gestes de défilement pour zoomer à l'intérieur du graphique.
Vous pouvez cliquer sur les noeuds et les liens pour les mettre en surbrillance et déplacer les noeuds en les glissant.
Enfoncez la touche "Ctrl" ou la touche "⌘" en cliquant sur les noeuds pour ouvrir la liste des publications de cette personne.
Nuage de motsUn nuage de mots est une représentation visuelle des mots les plus fréquemment utilisés dans un texte ou un ensemble de textes. Les mots apparaissent dans différentes tailles, la taille de chaque mot étant proportionnelle à sa fréquence d'apparition dans le texte. Plus un mot est utilisé fréquemment, plus il apparaît en grand dans le nuage de mots. Cette technique permet de visualiser rapidement les thèmes et les concepts les plus importants d'un texte.
Dans le contexte de cette page, le nuage de mots a été généré à partir des publications de l'auteur {}. Les mots présents dans ce nuage proviennent des titres, résumés et mots-clés des articles et travaux de recherche de cet auteur. En analysant ce nuage de mots, vous pouvez obtenir un aperçu des sujets et des domaines de recherche les plus récurrents et significatifs dans les travaux de cet auteur.Le nuage de mots est un outil utile pour identifier les tendances et les thèmes principaux dans un corpus de textes, facilitant ainsi la compréhension et l'analyse des contenus de manière visuelle et intuitive.
Abidi, M., Rahman, M.S., Openja, M., & Khomh, F. (2024). Design smells in multi-language systems and bug-proneness: a survival analysis. Empirical Software Engineering, 29, 106 (42 pages). Lien externe
Abidi, M., Rahman, M. S., Openja, M., & Khomh, F. (2022). Multi-language design smells: a backstage perspective. Empirical Software Engineering, 27(5), 52 pages. Lien externe
Abidi, M., Rahman, M. S., Openja, M., & Khomh, F. (2021). Are Multi-Language Design Smells Fault-Prone? An Empirical Study. ACM Transactions on Software Engineering and Methodology, 30(3), 1-56. Lien externe
Abidi, M., Openja, M., & Khomh, F. (juin 2020). Multi-language design smells : a backstage perspective [Communication écrite]. 17th International Conference on Mining Software Repositories (MSR 2020), Seoul, Republic of Korea. Lien externe
Businge, J., Openja, M., Nadi, S., & Berger, T. (2022). Reuse and maintenance practices among divergent forks in three software ecosystems. Empirical Software Engineering, 27(2), 54 (47 pages). Lien externe
Businge, J., Openja, M., Kavaler, D., Bainomugisha, E., Khomh, F., & Filkov, V. (février 2019). Studying Android App Popularity by Cross-Linking GitHub and Google Play Store [Communication écrite]. 26th IEEE International Conference on Software Analysis, Evolution and Reengineering (SANER 2019), Hangzhou, China. Lien externe
El aoun, M. R., Li, H., Khomh, F., & Openja, M. (septembre 2021). Understanding Quantum Software Engineering Challenges An Empirical Study on Stack Exchange Forums and GitHub Issues [Communication écrite]. IEEE International Conference on Software Maintenance and Evolution (ICSME 2021), Luxembourg, Netherlands. Lien externe
Majidi, F., Openja, M., Khomh, F., & Li, H. (octobre 2022). An Empirical Study on the Usage of Automated Machine Learning Tools [Communication écrite]. IEEE International Conference on Software Maintenance and Evolution (ICSME 2022), Limassol, Cyprus. Lien externe
Openja, M., Arcaini, P., Khomh, F., & Ishikawa, F. (2025). FairFLRep: Fairness aware fault localization and repair of Deep Neural Networks. ACM Transactions on Software Engineering and Methodology, 64 pages. Lien externe
Openja, M., Khomh, F., Foundjem, A. T., Jiang, Z. M., Abidi, M., & Hassan, A. E. (2024). An empirical study of testing machine learning in the wild. ACM Transactions on Software Engineering and Methodology. Lien externe
Openja, M., Laberge, G., & Khomh, F. (2024). Detection and evaluation of bias-inducing features in machine learning. Empirical Software Engineering, 29(1), 71 pages. Lien externe
Openja, M., Nikanjam, A., Yahmed, A. H., Khomh, F., & Jiang, Z. M. J. (octobre 2022). An Empirical Study of Challenges in Converting Deep Learning Models [Communication écrite]. 39th IEEE International Conference on Software Maintenance and Evolution (ICSME 2022), Limassol, Cyprus. Lien externe
Openja, M., Majidi, F., Khomh, F., Chembakottu, B., & Li, H. (juin 2022). Studying the Practices of Deploying Machine Learning Projects on Docker [Communication écrite]. 26th ACM International Conference on Evaluation and Assessment in Software Engineering (EASE 2022), Gothenburg, Sweden. Lien externe
Openja, M. (2022). Studying the Practices of Deploying Machine Learning Projects on Docker [Ensemble de données]. Lien externe
Openja, M., Morovati, M. M., An, L., Khomh, F., & Abidi, M. (2022). Technical debts and faults in open-source quantum software systems: An empirical study. Journal of Systems and Software, 193, 28 pages. Lien externe
Openja, M. (2021). An Empirical Study of Testing and Release Practices for Machine Learning Software Systems [Mémoire de maîtrise, Polytechnique Montréal]. Disponible
Openja, M., Adams, B., & Khomh, F. (septembre 2020). Analysis of Modern Release Engineering Topics : – A Large-Scale Study using StackOverflow – [Communication écrite]. IEEE International Conference on Software Maintenance and Evolution (ICSME 2020), Adelaide, Australia. Lien externe
Openja, M. (2020). Release Engineering Posts [Ensemble de données]. Lien externe
