Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.
AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.
Déplacez-vous dans les médias sociaux, le contenu généré par les utilisateurs, les modèles d'affaires, la publicité ciblée et les défis de la désinformation.
Explore les motivations des check-ins, les modèles de mobilité humaine et les biais dans les données de mobilité des réseaux sociaux basés sur la localisation.
Explore la modélisation, la motivation et la création de plates-formes qui tirent parti de la sagesse et de la puissance de travail des utilisateurs, en examinant les personnalités des utilisateurs, la distribution et la dynamique d'engagement.
Explore la gestion des utilisateurs dans les humanités numériques, en se concentrant sur la modélisation, la motivation et l'engagement, avec des idées de Twitter, Quora et Wikipedia.
Explore l'évolution et l'impact des systèmes de recommandation, couvrant la récupération d'informations, le filtrage collaboratif et les différents algorithmes de recommandation.
Explore YouTube comme une plate-forme populaire pour l'expression, la source de données et le piratage, en discutant de ses statistiques, de son impact culturel, de sa générativité, de la distribution de la popularité des vidéos, du rôle des réseaux sociaux et de la violation du droit d'auteur.
Explore les modèles d'affaires des plateformes populaires, l'impact de la publicité ciblée, les bulles de filtre, le harcèlement en ligne et la technologie en politique.
Introduit les systèmes de recommandation, le filtrage collaboratif, la recommandation basée sur le contenu, les paramètres de similitude et la factorisation matricielle.
