 | 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.
Aly, M., Khomh, F., Guéhéneuc, Y.-G., Washizaki, H., & Yacout, S. (2019). Is fragmentation a threat to the success of the Internet of things? IEEE Internet of Things Journal, 6(1), 472-487. Lien externe
Moradidakhel, A., Nikanjam, A., Khomh, F., Desmarais, M. C., & Washizaki, H. (2024). Generative AI for Software Development: A Family of Studies on Code Generation. Dans Generative AI for Effective Software Development (p. 151-172). Lien externe
Moradidakhel, A., Nikanjam, A., Khomh, F., Desmarais, M. C., & Washizaki, H. (2024). An Overview on Large Language Models. Dans Generative AI for Effective Software Development (p. 3-21). Lien externe
Pan, W., Washizaki, H., Yoshioka, N., Fukazawa, Y., Khomh, F., & Guéhéneuc, Y.-G. (décembre 2023). A Machine Learning Based Approach to Detect Machine Learning Design Patterns [Communication écrite]. 30th Asia-Pacific Software Engineering Conference (APSEC 2023), Seoul, Korea, Republic of Seoul. Lien externe
Rahman, M. S., Khomh, F., Hamidi, A., Cheng, J., Antoniol, G., & Washizaki, H. (2023). Machine learning application development: practitioners insights. Software Quality Journal, 55 pages. Lien externe
Tiwari, D., Washizaki, H., Fukazawa, Y., Fukuoka, T., Tamaki, J., Hosotani, N., Kohama, M., Guéhéneuc, Y.-G., & Khomh, F. (mai 2020). Commit-defect and architectural metrics-based quality assessment of C language [Communication écrite]. 15th International Conference on Evaluation of Novel Approaches to Software Engineering (ENASE 2020). Lien externe
Wu, X., Li, H., Yoshioka, N., Washizaki, H., & Khomh, F. (mars 2024). Refining GPT-3 Embeddings with a Siamese Structure for Technical Post Duplicate Detection [Communication écrite]. 31st IEEE International Conference on Software Analysis, Evolution and Reengineering (SANER 2024), Rovaniemi, Finland. Lien externe
Washizaki, H., Khomh, F., Gueheneuc, Y. G., Takeuchi, H., Natori, N., Doi, T., & Okuda, S. (2022). Software-Engineering Design Patterns for Machine Learning Applications. Computer, 55(3), 30-39. Lien externe
Washizaki, H., Takeuchi, H., Khomh, F., Natori, N., Doi, T., & Okuda, S. (septembre 2020). Practitioners' insights on machine-learning software engineering design patterns: a preliminary study [Communication écrite]. IEEE International Conference on Software Maintenance and Evolution (ICSME 2020). Lien externe
Washizaki, H., Khomh, F., & Guéhéneuc, Y.-G. (septembre 2020). Software engineering patterns for machine learning applications (SEP4MLA) [Communication écrite]. 9th Asian Conference on Pattern Languages of Program in 2020 (AsianPLoP 2020), Taipei, Taiwan (10 pages). Non disponible
Washizaki, H., Khomh, F., Guéhéneuc, Y.-G., Takeuchi, H., Okuda, S., Natori, N., & Shioura, N. (octobre 2020). Software Engineering Patterns for Machine Learning Applications (SEP4MLA) - Part 2 [Communication écrite]. 27th Conference on Pattern Languages of Programs in 2020 (PLoP' 2020) (10 pages). Non disponible
Washizaki, H., Uchida, H., Khomh, F., & Guéhéneuc, Y.-G. (décembre 2019). Studying Software Engineering Patterns for Designing Machine Learning Systems [Communication écrite]. 10th International Workshop on Empirical Software Engineering in Practice (IWESEP 2019), Tokyo, Japan. Lien externe
Washizaki, H., Guéhéneuc, Y.-G., & Khomh, F. (2018). ProMeTA: A taxonomy for program metamodels in program reverse engineering. Empirical Software Engineering, 23(4), 2323-2358. Disponible
Washizaki, H., Guéhéneuc, Y.-G., & Khomh, F. (octobre 2016). A Taxonomy for Program Metamodels in Program Reverse Engineering [Communication écrite]. IEEE International Conference on Software Maintenance and Evolution (ICSME 2016), Raleigh, NC. Lien externe
