Introduction à l Intelligence Artificielle (L3) IA(L3) Agents rationnels

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Introduction à l Intelligence Artificielle (L3) IA(L3) Agents rationnels"

Transcription

1 Introduction à l Intelligence Artificielle (L3) Agents rationnels Merci (toujours) à Cyril Terrioux

2 Plan 1 Introduction 2 définition d un agent 3 perception de l environnement 4 action sur l environnement 5 rationnalité 6 attributs d un environnement 7 typologie des programmes agents

3 Agent Définition Agent : toute entité disposant d une représentation de son environnement et de la capacité d agir sur cet environnement à partir de cette représentation

4 Agent Définition Agent : toute entité disposant d une représentation de son environnement et de la capacité d agir sur cet environnement à partir de cette représentation : (si nécessaire) capteurs pour percevoir

5 Agent Définition Agent : toute entité disposant d une représentation de son environnement et de la capacité d agir sur cet environnement à partir de cette représentation : (si nécessaire) capteurs pour percevoir : (si nécessaire) éléments (logiciels, robotiques...) pour agir

6 Agent Définition Agent : toute entité disposant d une représentation de son environnement et de la capacité d agir sur cet environnement à partir de cette représentation : (si nécessaire) capteurs pour percevoir : (si nécessaire) éléments (logiciels, robotiques...) pour agir : fonctions définissant les actions rationnelles espérées

7 Agent : percepts et effecteurs Agent percepts perception (capteurs...)? Environnement effecteurs action (éléments articulés...)

8 Agent : percepts et effecteurs Agent percepts perception (capteurs...)? Environnement effecteurs action (éléments articulés...) Définition Percepts : entrées perceptives permettant à un agent de construire une représentation de son environnement Effecteurs : éléments permettant à un agent d agir sur son environnement

9 Conséquences... séquence des percepts : historique complet de ce que l agent a perçu

10 Conséquences... séquence des percepts : historique complet de ce que l agent a perçu l action choisie à un instant donné peut dépendre de tout ou partie de cette séquence, mais de rien qui n ait été perçu

11 Conséquences... séquence des percepts : historique complet de ce que l agent a perçu l action choisie à un instant donné peut dépendre de tout ou partie de cette séquence, mais de rien qui n ait été perçu le comportement de l agent est décrit par une fonction associant une action à chaque séquence de percepts

12 Conséquences... séquence des percepts : historique complet de ce que l agent a perçu l action choisie à un instant donné peut dépendre de tout ou partie de cette séquence, mais de rien qui n ait été perçu le comportement de l agent est décrit par une fonction associant une action à chaque séquence de percepts le comportement de l agent est implémenté par un programme associant une action à chaque séquence de percepts

13 Conséquences... séquence des percepts : historique complet de ce que l agent a perçu l action choisie à un instant donné peut dépendre de tout ou partie de cette séquence, mais de rien qui n ait été perçu le comportement de l agent est décrit par une fonction associant une action à chaque séquence de percepts le comportement de l agent est implémenté par un programme associant une action à chaque séquence de percepts Idée simple (et naïve) : une table pour décrire le comportement de l agent...

14 Exemple : robot aspirateur A B * * ** ** * * ** ** Séquence de percepts Action A, Propre à droite A, Sale aspirer B, Propre à gauche B, Sale aspirer A, Propre A, Propre à droite A, Propre A, Sale aspirer A, Propre A, Propre A, Propre à droite......

15 Rationnalité Mesure de performance Un agent rationnel effectue toujours l action appropriée

16 Rationnalité Mesure de performance Un agent rationnel effectue toujours l action appropriée Les actions de l agent font passer l environnement par une séquence d états; si cette séquence est désirable l agent s est bien comporté

17 Rationnalité Mesure de performance Un agent rationnel effectue toujours l action appropriée Les actions de l agent font passer l environnement par une séquence d états; si cette séquence est désirable l agent s est bien comporté La mesure de performance évalue la séquence des états de l environnement pour savoir si elle correspond à une séquence attendue

18 Rationnalité Mesure de performance Un agent rationnel effectue toujours l action appropriée Les actions de l agent font passer l environnement par une séquence d états; si cette séquence est désirable l agent s est bien comporté La mesure de performance évalue la séquence des états de l environnement pour savoir si elle correspond à une séquence attendue Agent rationnel A tout instant, un agent rationnel sélectionnera une action qui maximise sa mesure de performance, compte tenu des observations fournies par la séquence de percepts et de la connaissance dont il dispose

19 L aspirateur est-il rationnel? Hypothèses La mesure de performance accorde un point par case nettoyée à chaque étape

20 L aspirateur est-il rationnel? Hypothèses La mesure de performance accorde un point par case nettoyée à chaque étape La géographie de l environnement est connue a priori mais pas la distribution de poussière ou l emplacement initial de l agent; les cases propres le restent, et l action aspirer nettoie la case courante; les actions à droite et à gauche déplacent l agent vers la droite ou la gauche, sauf si elles le font sortir de l environnement auquel cas il reste où il est

21 L aspirateur est-il rationnel? Hypothèses La mesure de performance accorde un point par case nettoyée à chaque étape La géographie de l environnement est connue a priori mais pas la distribution de poussière ou l emplacement initial de l agent; les cases propres le restent, et l action aspirer nettoie la case courante; les actions à droite et à gauche déplacent l agent vers la droite ou la gauche, sauf si elles le font sortir de l environnement auquel cas il reste où il est Les seules actions possibles sont à droite, à gauche, et aspirer

22 L aspirateur est-il rationnel? Hypothèses La mesure de performance accorde un point par case nettoyée à chaque étape La géographie de l environnement est connue a priori mais pas la distribution de poussière ou l emplacement initial de l agent; les cases propres le restent, et l action aspirer nettoie la case courante; les actions à droite et à gauche déplacent l agent vers la droite ou la gauche, sauf si elles le font sortir de l environnement auquel cas il reste où il est Les seules actions possibles sont à droite, à gauche, et aspirer L agent perçoit correctement le lieu où il se trouve ainsi que l éventuelle présence de poussière

23 L aspirateur est-il rationnel? Hypothèses La mesure de performance accorde un point par case nettoyée à chaque étape La géographie de l environnement est connue a priori mais pas la distribution de poussière ou l emplacement initial de l agent; les cases propres le restent, et l action aspirer nettoie la case courante; les actions à droite et à gauche déplacent l agent vers la droite ou la gauche, sauf si elles le font sortir de l environnement auquel cas il reste où il est Les seules actions possibles sont à droite, à gauche, et aspirer L agent perçoit correctement le lieu où il se trouve ainsi que l éventuelle présence de poussière Sous ces hypothèses l agent est rationnel

24 Omniscience, apprentissage, autonomie... 1 Un agent omniscient connaît complètement l environnement et le résultat de ses actions (illusoire dans le monde réel et différent de la rationnalité)

25 Omniscience, apprentissage, autonomie... 1 Un agent omniscient connaît complètement l environnement et le résultat de ses actions (illusoire dans le monde réel et différent de la rationnalité) 2 Un agent qui dépend plus de ses connaissances initiales que de ses percepts manque d autonomie

26 Omniscience, apprentissage, autonomie... 1 Un agent omniscient connaît complètement l environnement et le résultat de ses actions (illusoire dans le monde réel et différent de la rationnalité) 2 Un agent qui dépend plus de ses connaissances initiales que de ses percepts manque d autonomie 3 L apprentissage permet à l agent de compenser la partialité de ses connaissance et le rend autonome

27 Omniscience, apprentissage, autonomie... 1 Un agent omniscient connaît complètement l environnement et le résultat de ses actions (illusoire dans le monde réel et différent de la rationnalité) 2 Un agent qui dépend plus de ses connaissances initiales que de ses percepts manque d autonomie 3 L apprentissage permet à l agent de compenser la partialité de ses connaissance et le rend autonome Exemple : l aspirateur peut apprendre à prévoir où apparaîtra la poussière

28 propriétés d un environnement Totalement observable / partiellement observable Monoagent / multiagent Déterministe / stochastique Episodique / séquentiel Statique / dynamique Discret / continu Connu / inconnu

29 propriétés d un environnement Totalement observable / partiellement observable pratique : l agent n a pas à maintenir un état interne pour suivre l évolution de l environnement permet de déterminer tous les aspects pertinents pour le choix d une action Monoagent / multiagent Déterministe / stochastique Episodique / séquentiel Statique / dynamique Discret / continu Connu / inconnu

30 propriétés d un environnement Totalement observable / partiellement observable Monoagent / multiagent exemples : mots croisés (monoagent), échec (multiagents...) multiagent : concurrenciel / coopératif multiagent : communication entre agents Déterministe / stochastique Episodique / séquentiel Statique / dynamique Discret / continu Connu / inconnu

31 propriétés d un environnement Totalement observable / partiellement observable Monoagent / multiagent Déterministe / stochastique déterministe : l état suivant est déterminé par l état courant et l action de l agent stochastique autrement Episodique / séquentiel Statique / dynamique Discret / continu Connu / inconnu

32 propriétés d un environnement Totalement observable / partiellement observable Monoagent / multiagent Déterministe / stochastique Episodique / séquentiel épisodique : le choix d une action ne dépend pas des choix précédents séquentiel : le choix de l action courante peut affecter les choix futurs (cf. les échecs) Statique / dynamique Discret / continu Connu / inconnu

33 propriétés d un environnement Totalement observable / partiellement observable Monoagent / multiagent Déterministe / stochastique Episodique / séquentiel Statique / dynamique dynamique : l environnement peut changer indépendamment des actions de l agent statique antrement Discret / continu Connu / inconnu

34 propriétés d un environnement Totalement observable / partiellement observable Monoagent / multiagent Déterministe / stochastique Episodique / séquentiel Statique / dynamique Discret / continu dépend de la gestion du temps, de la nature des percepts, des actions Connu / inconnu

35 propriétés d un environnement Totalement observable / partiellement observable Monoagent / multiagent Déterministe / stochastique Episodique / séquentiel Statique / dynamique Discret / continu Connu / inconnu connaissance des lois physiques qui régissent l environnement

36 Exemples de classifications d environnements Environnement Observable Agents Dét/stoch Epis/séq Stat/dyn Discr/cont mots croisés totalement mono déterm séqu stat discr échecs totalement multi déterm séqu stat discr poker partiel multi stoch séqu stat discr backgammon totalement multi stoch séqu stat discr conduite de partiel multi stoch séqu dyn cont taxi robot partiel mono stoch épis dyn cont détecteur de défauts

37 Programmes agents action fonction AgentPilotéParTable (PerceptCourant) Percepts = {}; Table table des actions initialement totalement spécifiée; ajouter PerceptCourant à la fin de Percepts; action = Recherche(Percepts, Table); retourner action;

38 Programmes agents Pourquoi la méthode de construction par table est vouée à l échec?

39 Programmes agents Pourquoi la méthode de construction par table est vouée à l échec? Soient : P l ensemble des percepts possibles T la durée de vie de l agent = nb de percepts reçus

40 Programmes agents Pourquoi la méthode de construction par table est vouée à l échec? Soient : P l ensemble des percepts possibles T la durée de vie de l agent = nb de percepts reçus La table à consulter contiendra Σ T t=1 P t entrées Exemple : Une caméra transmettant 30 images de pixels par seconde, avec codage de la couleur sur 24 bits. La table contiendra entrées...

41 Programmes agents Pourquoi la méthode de construction par table est vouée à l échec? Soient : P l ensemble des percepts possibles T la durée de vie de l agent = nb de percepts reçus La table à consulter contiendra Σ T t=1 P t entrées Exemple : Une caméra transmettant 30 images de pixels par seconde, avec codage de la couleur sur 24 bits. La table contiendra entrées... IA : trouver comment simuler un comportement rationnel à partir de programmes réduits plutôt qu à partir de gigantesques tables

42 Typologie des programmes agents agents réflexes simples agents réflexes fondés sur des modèles agents fondés sur des buts agents fondés sur l utilité

43 agents réflexes simples Agent percepts perception (capteurs...) A quoi ressemble le monde? Environnement Règles conditions/actions Quelle action entreprendre? effecteurs action (éléments articulés...)

44 agents réflexes fondés sur des modèles Agent percepts perception (capteurs...) Etat Comment évolue le monde? Quel impact ont les actions prises? A quoi ressemble le monde? Environnement Règles conditions/actions Quelle action entreprendre? effecteurs action (éléments articulés...)

45 agents fondés sur des buts Agent percepts perception (capteurs...) Etat Comment évolue le monde? Quel impact ont les actions prises? A quoi ressemble le monde? A quoi ressemble t il après action? Environnement Règles conditions/actions Quelle action entreprendre? effecteurs action (éléments articulés...)

46 agents fondés sur l utilité Agent percepts perception (capteurs...) Etat Comment évolue le monde? Quel impact ont les actions prises? Utilité A quoi ressemble le monde? A quoi ressemble t il après action? Satisfaction apportée? Environnement Quelle action entreprendre? effecteurs action (éléments articulés...)

Intelligence Artificielle Agents Intelligents

Intelligence Artificielle Agents Intelligents Intelligence Artificielle Agents Intelligents Bruno Bouzy http://web.mi.parisdescartes.fr/~bouzy bruno.bouzy@parisdescartes.fr Licence 3 Informatique UFR Mathématiques et Informatique Université Paris

Plus en détail

Intelligence artificielle Agents intelligents

Intelligence artificielle Agents intelligents Agents intelligents Elise Bonzon http://web.mi.parisdescartes.fr/ bonzon/ elise.bonzon@mi.parisdescartes.fr 1 / 21 Agents intelligents Agents et environnement Rationalité PEAS Structure des agents Conclusion

Plus en détail

Agents Intelligents. Plan. Qu est ce qu un agent intelligent? Comment les agents intelligents doivent agir? Structure d un agent intelligent

Agents Intelligents. Plan. Qu est ce qu un agent intelligent? Comment les agents intelligents doivent agir? Structure d un agent intelligent s Intelligents Plan Qu est ce qu un agent intelligent? Comment les agents intelligents doivent agir? Structure d un agent intelligent Types d environnements Qu est ce qu un agent intelligent? intelligent:

Plus en détail

Agents intelligents IFT Concepts avancés pour systèmes intelligents Luc Lamontagne. Tiré du matériel de S. Paquet 1

Agents intelligents IFT Concepts avancés pour systèmes intelligents Luc Lamontagne. Tiré du matériel de S. Paquet 1 Agents intelligents IFT-17587 Concepts avancés pour systèmes intelligents Luc Lamontagne Tiré du matériel de S. Paquet 1 Plan Qu est-ce qu un agent intelligent? Comment les agents intelligents doivent

Plus en détail

Intelligence Artificielle Master 1ère année Informatique Université Paris 7

Intelligence Artificielle Master 1ère année Informatique Université Paris 7 Bibliographie Ganascia, Jean-Gabriel L intelligence artificielle Flammarion, 1993 I Bratko, Programmation en Prolog pour l intelligence artificielle, 2001 Intelligence Artificielle Master 1ère année Informatique

Plus en détail

L APPROCHE PAR ÉTAPES DANS LA FORMATION À LA

L APPROCHE PAR ÉTAPES DANS LA FORMATION À LA L APPROCHE PAR ÉTAPES DANS LA FORMATION À LA CONDUITE D UNE MOTO. 1 Pourquoi changer ce qui existe? 2 Pourquoi changer la formation? 3 Quels processus de changement? 4 Quels sont les changements effectués?

Plus en détail

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines

Plus en détail

COMMENT DÉFINIR L ORIENTÉ OBJET

COMMENT DÉFINIR L ORIENTÉ OBJET COMMENT DÉFINIR L ORIENTÉ OBJET De manière superficielle, le terme «orienté objet», signifie que l on organise le logiciel comme une collection d objets dissociés comprenant à la fois une structure de

Plus en détail

Présentation de l application de programmation LEGO MINDSTORMS Education EV3

Présentation de l application de programmation LEGO MINDSTORMS Education EV3 Présentation de l application de programmation LEGO MINDSTORMS Education EV3 LEGO Education a le plaisir de présenter l édition pour tablette du logiciel LEGO MINDSTORMS Education EV3, un moyen amusant

Plus en détail

PHYSIQUE. 5 e secondaire. Optique PHY-5041-2 DÉFINITION DU DOMAINE D EXAMEN

PHYSIQUE. 5 e secondaire. Optique PHY-5041-2 DÉFINITION DU DOMAINE D EXAMEN PHYSIQUE 5 e secondaire Optique PHY-5041-2 DÉFINITION DU DOMAINE D EXAMEN MAI 1999 Quebec PHYSIQUE 5 e secondaire Optique PHY-5041-2 DÉFINITION DU DOMAINE D EXAMEN MAI 1999 Direction de la formation générale

Plus en détail

Formuler des objectifs pédagogiques opérationnels

Formuler des objectifs pédagogiques opérationnels direction générale Présenté par Frantz CHOUT SEMINAIRE DCS - UAF- DACs- AFIS Mardi «Mise en œuvre de la formation AFIS» Formuler des objectifs pédagogiques opérationnels - 2 - Plan I. De quoi s agit-il?

Plus en détail

Des lieux à découvrir, des apprentissages à construire

Des lieux à découvrir, des apprentissages à construire Animation Pédagogique Découverte du monde / Se repérer dans l espace Elaborer des représentations simples de l espace familier : la classe, l école, le quartier, le village Lien avec l EPS : la course

Plus en détail

IFT3913 Qualité du logiciel et métriques. Chapitre 5 Mesure de la qualité du logiciel

IFT3913 Qualité du logiciel et métriques. Chapitre 5 Mesure de la qualité du logiciel IFT3913 Qualité du logiciel et métriques Chapitre 5 Mesure de la qualité du logiciel Plan du cours Introduction Théorie de la mesure Qualité du logiciel Mesure du produit logiciel Mesure de la qualité

Plus en détail

Collaboration avec statisticien et data manager. Raphaël Porcher, DBIM, Hôpital Saint-Louis DU Chef de Projet en Recherche Clinique 4 novembre 2011

Collaboration avec statisticien et data manager. Raphaël Porcher, DBIM, Hôpital Saint-Louis DU Chef de Projet en Recherche Clinique 4 novembre 2011 Collaboration avec statisticien et data manager Raphaël Porcher, DBIM, Hôpital Saint-Louis DU Chef de Projet en Recherche Clinique 4 novembre 2011 Rôle du statisticien dans une étude clinique Responsable

Plus en détail

RÈGLES POUR LE PASSAGE D UNE CLASSE À L AUTRE AU PRIMAIRE ET POUR LE CLASSEMENT DES ÉLÈVES

RÈGLES POUR LE PASSAGE D UNE CLASSE À L AUTRE AU PRIMAIRE ET POUR LE CLASSEMENT DES ÉLÈVES RÈGLES POUR LE PASSAGE D UNE CLASSE À L AUTRE AU PRIMAIRE ET POUR LE CLASSEMENT DES ÉLÈVES Présentées au conseil d établissement de l école Notre-Dame-du-Rosaire lors de la séance ordinaire du 9 juin 2014.

Plus en détail

Introduction à la gestion de projets. Laurent Poinsot. Introduction. 26 janvier 2009

Introduction à la gestion de projets. Laurent Poinsot. Introduction. 26 janvier 2009 26 janvier 2009 Le modèle du est une méthodologie de développement logiciel qui est devenue un standard de l industrie logicielle. Ce modèle est constitué de deux phases : l une est dite descendante et

Plus en détail

Tâche complexe produite par l académie de Clermont-Ferrand. Mai 2012 LE TIR A L ARC. (d après une idée du collège des Portes du Midi de Maurs)

Tâche complexe produite par l académie de Clermont-Ferrand. Mai 2012 LE TIR A L ARC. (d après une idée du collège des Portes du Midi de Maurs) (d après une idée du collège des Portes du Midi de Maurs) Table des matières Fiche professeur... 2 Fiche élève... 5 1 Fiche professeur Niveaux et objectifs pédagogiques 5 e : introduction ou utilisation

Plus en détail

DÉFINITION DU DOMAINE D ÉVALUATION. Cours Création informatique INF-2102-1. Programme d études Informatique

DÉFINITION DU DOMAINE D ÉVALUATION. Cours Création informatique INF-2102-1. Programme d études Informatique DÉFINITION DU DOMAINE D ÉVALUATION Cours Création informatique INF-2102-1 Programme d études Informatique Septembre 2008 Éléments de la définition du domaine d évaluation La définition du domaine d évaluation

Plus en détail

Table des matières: Guidelines Fonds de Pensions

Table des matières: Guidelines Fonds de Pensions Table des matières: Guidelines Fonds de Pensions TABLE DES MATIERES... 1 INTRODUCTION... 2 1 FINANCEMENT ET FINANCEMENT MINIMUM... 3 1.1 FINANCEMENT... 3 1.2 FINANCEMENT DE PLAN... 3 1.3 FINANCEMENT MÉTHODE

Plus en détail

Approche hybride De la correction des erreurs à la sélection de variables

Approche hybride De la correction des erreurs à la sélection de variables Approche hybride De la correction des erreurs à la sélection de variables G.M. Saulnier 1, W. Castaing 2 1 Laboratoire EDYTEM (UMR 5204, CNRS, Université de Savoie) 2 TENEVIA (http://www.tenevia.com) Projet

Plus en détail

Heidi WECHTLER. Octobre 2005

Heidi WECHTLER. Octobre 2005 Heidi WECHTLER Le support aux analyses de données Séminaire GREGOR Octobre 2005 Support aux analyse de données du GREGOR Le poste Chargée d étude statistiques au GREGOR, bureau B126 (wechtler.iae@univ-paris1.fr)

Plus en détail

TS 32 Caractéristiques d une image numérique

TS 32 Caractéristiques d une image numérique FICHE 1 Fiche à destination des enseignants TS 32 Caractéristiques d une image numérique Type d'activité Activité documentaire Notions et contenus du programme de Terminale S Caractéristiques d une image

Plus en détail

Ecole Nationale des Sciences de l Informatique Université de la Manouba Janvier 2012 Programmes d enseignement

Ecole Nationale des Sciences de l Informatique Université de la Manouba Janvier 2012 Programmes d enseignement Ecole Nationale des Sciences de l Informatique Université de la Manouba Janvier 2012 Programmes d enseignement II1 - Premier semestre de la première année (S1) Module Crédits Nombre d heures Cours intégrés

Plus en détail

A.MILLIET et J-C ROLIN

A.MILLIET et J-C ROLIN ANALYSE FONCTIONNELLE Analyse fonctionnelle - Analyse fonctionnelle externe : Expression du besoin (Bête à cornes), Identification des fonctions de service (Diagramme Pieuvre). - Analyse fonctionnelle

Plus en détail

Systèmes temps réel Concepts de base. Richard Grisel Professeur des Universités Université de Rouen

Systèmes temps réel Concepts de base. Richard Grisel Professeur des Universités Université de Rouen Systèmes temps réel Concepts de base Richard Grisel Professeur des Universités Université de Rouen 1 Systèmes temps réel - Choix Gestion des ressources Ordonnancement ( Scheduling ), Tolérance aux fautes

Plus en détail

Comment choisir les indicateurs ISO 27001

Comment choisir les indicateurs ISO 27001 Comment choisir les indicateurs ISO 27001 Alexandre Fernandez Alexandre Fernandez Introduction ISO 27001 Système de Management de la Sécurité de l'information 2 / 24 ISO 17799

Plus en détail

Marketing. Printemps 2014

Marketing. Printemps 2014 Marketing Printemps 2014 «Le marketing est à la fois l activité, l ensemble des institutions et des processus visant à créer, communiquer, délivrer et échanger les offres qui ont de la valeur pour les

Plus en détail

Protocole d'allocation de tâches pour des missions d'observation réalisées par des robots hétérogènes sous contraintes de communication

Protocole d'allocation de tâches pour des missions d'observation réalisées par des robots hétérogènes sous contraintes de communication Protocole d'allocation de tâches pour des missions d'observation réalisées par des robots hétérogènes sous contraintes de communication Hung CAO, Simon LACROIX, Félix INGRAND, Rachid ALAMI CAR'09 Control

Plus en détail

INTRODUCTION AUX TECHNOLOGIES D INGENIERIE DES DONNEES DIRIGEE PAR LES MODELES

INTRODUCTION AUX TECHNOLOGIES D INGENIERIE DES DONNEES DIRIGEE PAR LES MODELES INTRODUCTION AUX TECHNOLOGIES D INGENIERIE DES DONNEES DIRIGEE PAR LES MODELES Les contenus de ce document sont la propriété exclusive de la société REVER. Ils ne sont transmis qu à titre d information

Plus en détail

Problèmes et Algorithmes Fondamentaux III Algorithme distribué probabiliste

Problèmes et Algorithmes Fondamentaux III Algorithme distribué probabiliste Problèmes et Algorithmes Fondamentaux III Algorithme distribué probabiliste Arnaud Labourel Université de Provence 12 avril 2012 Arnaud Labourel (Université de Provence) Problèmes et Algorithmes Fondamentaux

Plus en détail

éq studio srl Gestion des informations pour un choix- consommation raisonnée - GUIDE EXPLICATIVE

éq studio srl Gestion des informations pour un choix- consommation raisonnée - GUIDE EXPLICATIVE Résumé PREFACE 2 INTRODUCTION 2 1. BUT ET CHAMP D APPLICATION 2 2. REFERENCES DOCUMENTAIRES ET NORMES 3 3. TERMES ET DEFINITIONS 3 4. POLITIQUE POUR UNE CONSOMMATION RAISONNEE (PCC) 3 5. RESPONSABILITE

Plus en détail

1 Concevoir et réaliser un projet de formation

1 Concevoir et réaliser un projet de formation 1 Concevoir et réaliser un projet de formation Nous présentons, dans ce chapitre, la méthodologie générale de conception et de réalisation d un projet de formation. La caisse à outils du formateur 2 1.1

Plus en détail

IA54 Compte-rendu «STATIONNEMENT AUTOMATIQUE DE VEHICULE»

IA54 Compte-rendu «STATIONNEMENT AUTOMATIQUE DE VEHICULE» IA54 Compte-rendu «STATIONNEMENT AUTOMATIQUE DE VEHICULE» Henri Payno - Cyril Bailly 1/12/2011 SOMMAIRE 1. Introduction... 3 2. Contraintes... 3 3. Architecture globale... 4 4. Interface... 5 A. Scène

Plus en détail

Ingénerie du logiciel orienté objet. Les cas d utilisation

Ingénerie du logiciel orienté objet. Les cas d utilisation Ingénerie du logiciel orienté objet Répétition : Les cas d utilisation Cours d Ingénierie du Logiciel Orienté-Objet Examen écrit du mercredi 5 juin 2005 Livres fermés. Durée : 3 heures /2. Veuillez répondre

Plus en détail

Modèle objet/classe. Sommaire

Modèle objet/classe. Sommaire Modèle objet/classe Sommaire Pourquoi un tel modèle ; Sa place dans le processus de développement ; Les premiers concepts ; Comment construire un diagramme de classes. Sa place dans le processus de développement

Plus en détail

GUIDE PRATIQUE COMPTABILITE CREANCIERS. Version 1.0 du 27 septembre 2013

GUIDE PRATIQUE COMPTABILITE CREANCIERS. Version 1.0 du 27 septembre 2013 GUIDE PRATIQUE COMPTABILITE CREANCIERS Version 1.0 du 27 septembre 2013 Table des matières 1. Introduction... 3 1.1. Les comptabilités auxiliaires... 3 2. Paramètres de bases... 3 2.1. Les conditions de

Plus en détail

Conduite et Gestion de Projet Professionnel Cahier des charges Projet: Robot

Conduite et Gestion de Projet Professionnel Cahier des charges Projet: Robot Conduite et Gestion de Projet Professionnel Cahier des charges Projet: Robot Makhlouf OUBACHA Salima OUZZMAN Stevens RABEHAJA Armelle HOUNDJO Mercredi 04 février 2015 1 Table des matières 1 But du projet

Plus en détail

Gestion multi-stocks

Gestion multi-stocks Gestion multi-stocks Dans l architecture initiale du logiciel IDH-STOCK, 11 champs obligatoires sont constitués. Ces champs ne peuvent être supprimés. Ils constituent l ossature de base de la base de données

Plus en détail

Intelligence artificielle

Intelligence artificielle Intelligence artificielle Fabien Teytaud Université du Littoral Côte d Opale 21 mars 2013 Fabien Teytaud (Université du Littoral Côte d Opale) Intelligence artificielle 21 mars 2013 1 / 14 Résumé (1/3)

Plus en détail

Jeu de simulation 5S. Guide d'animation. Guide d animation du jeu de simulation 5S - Kaos Factory

Jeu de simulation 5S. Guide d'animation. Guide d animation du jeu de simulation 5S - Kaos Factory Jeu de simulation 5S Guide d'animation page 1 INTRODUCTION L objet de ce guide est de servir de support pour l'animation du jeu de simulation 5S «Chaos Factory». La jeu permettra aux participants de prendre

Plus en détail

Alarme domestique- Présentation

Alarme domestique- Présentation STI2D PROJET SIN Alarme domestique- Présentation Document réponses Séquence découverte Le fonctionnement du système d alarme domestique: (Démarche d investigation) Après avoir fait une présentation de

Plus en détail

Spécifications des exigences d'un logiciel (Adapté de la norme IEEE 830-1993)

Spécifications des exigences d'un logiciel (Adapté de la norme IEEE 830-1993) Spécifications des exigences d'un logiciel (Adapté de la norme IEEE 830-1993) Ce document suggère un ensemble d éléments à préciser pour les exigences d'un système logiciel. Il débute par une Page de titre,

Plus en détail

Avant de parler de projet commun, il est important de rappeler ce qu est un projet à travers quelques indicateurs :

Avant de parler de projet commun, il est important de rappeler ce qu est un projet à travers quelques indicateurs : 2. Qu est-ce qu un projet commun? Avant de parler de projet commun, il est important de rappeler ce qu est un projet à travers quelques indicateurs : le projet a un début et une fin et se structure en

Plus en détail

STRUCTURATION DE L IDENTITÉ DÉVELOPPEMENT DU POUVOIR D ACTION. Autoévaluation ACCEPTABLE MARQUÉE DÉVELOPPÉE

STRUCTURATION DE L IDENTITÉ DÉVELOPPEMENT DU POUVOIR D ACTION. Autoévaluation ACCEPTABLE MARQUÉE DÉVELOPPÉE 1- Cohérence de l élaboration du projet Activité 1.6 VISÉES ET INTENTIONS ÉDUCATIVES DU COURS Connaissance de soi, de son potentiel et de ses modes d actualisation connaissance de ses talents, de ses qualités,

Plus en détail

Sommaire. Ce didacticiel est une ébauche

Sommaire. Ce didacticiel est une ébauche Didacticiel Open Workbench page 1/1 Ce didacticiel est une ébauche Il a été élaboré sous OpenOffice.org à partir du document «Idiot's Guide to Open Workbench» - (site OPENWORKBENCH) Il est mis à jour,

Plus en détail

Lycée polyvalent Langevin-Wallon Champigny sur Marne Val de Marne

Lycée polyvalent Langevin-Wallon Champigny sur Marne Val de Marne Ministère de l éducation nationale Académie de Créteil LW JEAN-MICHEL NICOLAS CHEF DE TRAVAUX : 01 48 81 25 02 : 01 48 81 31 83 jean-michel.nicolas@ac-creteil.fr Version 2015.0 2015-08-23 Lycée polyvalent

Plus en détail

L'apprentissage. La majeure partie des conduites sociales n est pas innée mais acquise par apprentissage.

L'apprentissage. La majeure partie des conduites sociales n est pas innée mais acquise par apprentissage. L'apprentissage 1 Définitions a. Approche globale La majeure partie des conduites sociales n est pas innée mais acquise par apprentissage. Un apprentissage est l acquisition d un nouveau savoir. Dans la

Plus en détail

1. Faire Démarrer, Paramètres, Panneau de configuration, Outils d administration, Gestion de l ordinateur.

1. Faire Démarrer, Paramètres, Panneau de configuration, Outils d administration, Gestion de l ordinateur. TP PERSONNALISER SON POSTE DE TRAVAIL LES COMPTES, LES GROUPES C'EST QUOI? Les comptes et les groupes permettent de gérer plus facilement l administration d une machine. Il semble assez logique que sur

Plus en détail

Poker. A rendre pour le 25 avril

Poker. A rendre pour le 25 avril Poker A rendre pour le 25 avril 0 Avant propos 0.1 Notation Les parties sans * sont obligatoires (ne rendez pas un projet qui ne contient pas toutes les fonctions sans *). Celles avec (*) sont moins faciles

Plus en détail

APPUI INDIVIDUEL A L ORIENTATION ET AUX PROJETS. Université d Artois - SEPIA 1

APPUI INDIVIDUEL A L ORIENTATION ET AUX PROJETS. Université d Artois - SEPIA 1 APPUI INDIVIDUEL A L ORIENTATION ET AUX PROJETS - SEPIA 1 SOMMAIRE MODULE 1 «ENTRETIEN APPROFONDI ET CONTRACTUALISATION» MODULE 2 «INTERETS, MOTIVATIONS ET VALEURS» MODULE 3 «COMPETENCES» MODULE 4 «METHODOLOGIE

Plus en détail

Optimisation en nombres entiers

Optimisation en nombres entiers Optimisation en nombres entiers p. 1/83 Optimisation en nombres entiers Michel Bierlaire michel.bierlaire@epfl.ch EPFL - Laboratoire Transport et Mobilité - ENAC Optimisation en nombres entiers p. 2/83

Plus en détail

Découvrez Windows NetMeeting

Découvrez Windows NetMeeting Découvrez Windows NetMeeting Conférence Internet 2001 Université de Moncton. Tous droits réservés. Table des matières 1. Comment puis-je télécharger, installer et démarrer NetMeeting?... 3 2. Quelles sont

Plus en détail

COURS DE PHILOSOPHIE ET DE CITOYENNETE Programme d études Cycles 2,3 et 4

COURS DE PHILOSOPHIE ET DE CITOYENNETE Programme d études Cycles 2,3 et 4 COURS DE PHILOSOPHIE ET DE CITOYENNETE Programme d études Cycles 2,3 et 4 Enseignement organisé par la Fédération Wallonie-Bruxelles Enseignement officiel subventionné Enseignement libre non confessionnel

Plus en détail

Gestion des Incidents (Incident Management)

Gestion des Incidents (Incident Management) 31/07/2004 Les concepts ITIL-Incidents 1 «Be prepared to overcome : - no visible management ou staff commitment, resulting in non-availability of resources - [ ]» «Soyez prêts a surmonter : - l absence

Plus en détail

L apprentissage automatique

L apprentissage automatique L apprentissage automatique L apprentissage automatique L'apprentissage automatique fait référence au développement, à l analyse et à l implémentation de méthodes qui permettent à une machine d évoluer

Plus en détail

LES FICHES PRATIQUES TKM L AUDIT PROCESSUS SOMMAIRE

LES FICHES PRATIQUES TKM L AUDIT PROCESSUS SOMMAIRE LES FICHES PRATIQUES TKM L AUDIT PROCESSUS SOMMAIRE DEFINITION... 2 OBJECTIFS VISES... 2 ASPECTS PSYCHOLOGIQUES D UN AUDIT... 3 PRINCIPES DE BASE... 3 ACTEURS CONCERNES :... 4 ORGANISATION... 4 VOCABULAIRE...

Plus en détail

Projet : Plan Assurance Qualité

Projet : Plan Assurance Qualité Projet : Document : Plan Assurance Qualité 2UP_SPEC_DEV1 VERSION 1.00 Objet Ce document a pour objectif de définir la démarche d analyse et de conception objet ainsi les activités liées. Auteur Eric PAPET

Plus en détail

LES RÉGULATIONS: *******

LES RÉGULATIONS: ******* LES RÉGULATIONS: ******* ************************************************** ******* Comprendre un système de régulation par l analyse de données scientifiques Travail réalisé par Gabriel Mota, Erminia

Plus en détail

Étape 1 : Création d une adresse courriel GMAIL

Étape 1 : Création d une adresse courriel GMAIL Wix est une plateforme gratuite pour la construction de sites. Créez des sites de folie en utilisant un de nos modèles ou commencez votre site à partir d'une page blanche! Aucune connaissance technique

Plus en détail

L approche Bases de données

L approche Bases de données L approche Bases de données Cours: BD. Avancées Année: 2005/2006 Par: Dr B. Belattar (Univ. Batna Algérie) I- : Mise à niveau 1 Cours: BDD. Année: 2013/2014 Ens. S. MEDILEH (Univ. El-Oued) L approche Base

Plus en détail

Algorithmique et programmation. Cours d'algorithmique illustré par des exemples pour le picbasic

Algorithmique et programmation. Cours d'algorithmique illustré par des exemples pour le picbasic Algorithmique et programmation Cours d'algorithmique illustré par des exemples pour le picbasic Même s'il est possible d'écrire un programme petit à petit par touches successives, le résultat est souvent

Plus en détail

BE noté 2006 2007. Chantal Taconet et Christian Bac IO21

BE noté 2006 2007. Chantal Taconet et Christian Bac IO21 Chantal Taconet et Christian Bac IO2 Télécom INT 20 Novembre 2006 Corrigé Barème Groupe des Écoles des Télécommunications Télécom INT École d ingénieurs 2 ème année Contrôle de connaissances : Bureau d

Plus en détail

Sommaire : I. Introduction

Sommaire : I. Introduction Sommaire : I. Introduction... 1 II. Lancement de PcGalileo :... 2 III. Envoie demande de localisation :... 3 A. Geolocalisation ponctuelle :... 4 B. Géolocalisation séquentielle :... 4 C. Géolocalisation

Plus en détail

Théorie de l information : historique

Théorie de l information : historique Théorie de l information : historique Développée dans les années quarante par Claude Shannon. Objectif : maximiser la quantité d information pouvant être transmise par un canal de communication imparfait.

Plus en détail

Simulation centrée individus

Simulation centrée individus Simulation centrée individus Théorie des jeux Bruno BEAUFILS Université de Lille Année 4/5 Ce document est mis à disposition selon les termes de la Licence Creative Commons Attribution - Partage dans les

Plus en détail

DÉFINITION DU DOMAINE D ÉVALUATION POUR LA SANCTION ET LA RECONNAISSANCE. Cours Arithmétique appliquée aux finances personnelles MAT-P101-4

DÉFINITION DU DOMAINE D ÉVALUATION POUR LA SANCTION ET LA RECONNAISSANCE. Cours Arithmétique appliquée aux finances personnelles MAT-P101-4 DÉFINITION DU DOMAINE D ÉVALUATION POUR LA SANCTION ET LA RECONNAISSANCE Cours Arithmétique appliquée aux finances personnelles MAT-P101-4 Programme d études de la formation de base commune Mathématique

Plus en détail

GRILLE D ANALYSE D UNE SEQUENCE D APPRENTISSAGE

GRILLE D ANALYSE D UNE SEQUENCE D APPRENTISSAGE GRILLE D ANALYSE D UNE SEQUENCE D APPRENTISSAGE 1 - LA DEFINITION DES OBJECTIFS DE LA SEQUENCE : - Ai-je bien identifié l objectif de la séquence? - Est-il clairement situé dans la progression générale

Plus en détail

Étapes du développement et de l utilisation d un modèle de simulation

Étapes du développement et de l utilisation d un modèle de simulation Étapes du développement et de l utilisation d un modèle de simulation Étapes du développement et de l utilisation d un modèle de simulation Formulation du problème Cueillette et analyse de données Conception

Plus en détail

Majeure d informatique

Majeure d informatique Nicolas Sendrier Majeure d informatique Introduction la théorie de l information Cours n 1 Une mesure de l information Espace probabilisé discret L alphabet est X (fini en pratique) Variable aléatoire

Plus en détail

Commission des Outils d évaluation pour les Humanités générales et technologiques. Présentation générale des outils

Commission des Outils d évaluation pour les Humanités générales et technologiques. Présentation générale des outils Commission des Outils d évaluation pour les Humanités générales et technologiques Présentation générale des outils 1. Généralités 1.1. Cadre institutionnel Le décret du 24 juillet 1997 sur les missions

Plus en détail

«Construire des Ouvrages d Art en Béton»

«Construire des Ouvrages d Art en Béton» «Construire des Ouvrages d Art en Béton» Rappels sur le Management de la Qualité D BRAZILLIER (DIR CE) 19 et 20 janvier 2011 www.setra.developpement-durable.gouv.fr contexte Construire un ouvrage de qualité??

Plus en détail

PROGRAMME DE FORMATION INTER ENTREPRISE ABMAQ 2015

PROGRAMME DE FORMATION INTER ENTREPRISE ABMAQ 2015 PROGRAMME DE INTER ENTREPRISE ABMAQ 2015 01 02 Détermination des coûts de la non- Métrologie : les concepts - Savoir piloter un SMQ par la maitrise des coûts de non fonction pour la fiabilité des résultats

Plus en détail

Contrôle de flacons par vision industrielle

Contrôle de flacons par vision industrielle Contrôle de flacons par vision industrielle Le but du TP est d effectuer le contrôle de flacons après leur remplissage, leur bouchonnage et leur étiquetage. Le développement de cette application de vision

Plus en détail

SEANCE N 1. Démarche d'investigation

SEANCE N 1. Démarche d'investigation SEANCE N 1 Démarche d'investigation Cette séance a pour but de faire percevoir à l élève que plusieurs objets techniques portant la même dénomination ont pu évoluer en fonction de l évolution des besoins

Plus en détail

LA GESTION DE PROJETS. Regroupement CPE des régions 03 et 12 Session 2 1 décembre 2011

LA GESTION DE PROJETS. Regroupement CPE des régions 03 et 12 Session 2 1 décembre 2011 LA GESTION DE PROJETS Regroupement CPE des régions 03 et 12 Session 2 1 décembre 2011 2 Objectifs de la formation Permettre à chacun d entre vous: d acquérir des connaissances sur le sujet de recevoir

Plus en détail

ITIL 2011 Offres et accords de services (SOA) avec certification 5 jours (anglais et français)

ITIL 2011 Offres et accords de services (SOA) avec certification 5 jours (anglais et français) ITIL 2011 Offres et accords de services (SOA) avec certification 5 jours (anglais et français) Vue d ensemble de la formation ITIL est un ensemble de conseils sur les meilleures pratiques, devenu un référentiel

Plus en détail

Nous trouvons là les deux thématiques abordées par les deux parties de l ouvrage.

Nous trouvons là les deux thématiques abordées par les deux parties de l ouvrage. $YDQWSURSRV La mise en œuvre du pilotage des systèmes de production constitue un enjeu sensible en raison, d une part, de l accroissement du niveau d automatisation de ceux-ci et, d autre part, de la multiplication

Plus en détail

LA DEFINITION D UNE STRATEGIE

LA DEFINITION D UNE STRATEGIE LA DEFINITION D UNE STRATEGIE ACTIONNARIALE : UNE NECESSITE POUR TOUS LES DIRIGEANTS D ENTREPRISE Si les dirigeants d entreprise ont une vision stratégique à long terme de leur activité, ce même constat

Plus en détail

du Robot pour le défi

du Robot pour le défi PROJET 3 ème Défi robot Synthèse CDCF >>> Synthèse Cahier Des Charges Fonctionnel (CDCF) du Robot pour le défi Au préalable : Les élèves travaillent par groupe sur la «fiche élève préparation CDCF» 1.

Plus en détail

Intelligence Artificielle Jeux

Intelligence Artificielle Jeux Intelligence Artificielle Jeux Bruno Bouzy http://web.mi.parisdescartes.fr/~bouzy bruno.bouzy@parisdescartes.fr Licence 3 Informatique UFR Mathématiques et Informatique Université Paris Descartes Programmation

Plus en détail

Environnement Architecture de controle. Décisions

Environnement Architecture de controle. Décisions Chapitre 1 Introduction 1.1 Robot Mobile Il existe diverses définitions du terme robot, mais elles tournent en général autour de celle-ci : Un robot est une machine équipée de capacités de perception,

Plus en détail

Estimation des charges. «Le travail se dilate jusqu à remplir le temps disponible»

Estimation des charges. «Le travail se dilate jusqu à remplir le temps disponible» «Le travail se dilate jusqu à remplir le temps disponible» Le savoir faire du chef de projet Pas d excès d optimisme Retour sur expérience Toujours garder de la marge Identifier les points à risque Ne

Plus en détail

Les principes et les thèmes PRINCE2

Les principes et les thèmes PRINCE2 31 Chapitre 3 Les principes et les thèmes PRINCE2 1. Les principes de la méthode PRINCE2 Les principes et les thèmes PRINCE2 Les principes de la méthode PRINCE2 définissent un cadre de bonnes pratiques

Plus en détail

GUIDE POUR LE DÉVELOPPEMENT DE COMPÉTENCES PROFESSIONNELLES (CP) POUR LE 3 ème STAGE

GUIDE POUR LE DÉVELOPPEMENT DE COMPÉTENCES PROFESSIONNELLES (CP) POUR LE 3 ème STAGE 1 GUIDE POUR LE DÉVELOPPEMENT DE COMPÉTENCES PROFESSIONNELLES (CP) POUR LE 3 ème DOMAINES: FONDEMENTS COMPÉTENCE 1: Agir en tant que professionnelle ou professionnel héritier, critique et interprète d

Plus en détail

Ce qu est le Data Mining

Ce qu est le Data Mining Data Mining 1 Ce qu est le Data Mining Extraction d informations intéressantes non triviales, implicites, préalablement inconnues et potentiellement utiles à partir de données. Autres appellations: ECD

Plus en détail

Nous concluons au travers de quatre axes principaux qui ont guidé la. 1) La théorie du regret de Loomes et Sugden comme théorie de la décision

Nous concluons au travers de quatre axes principaux qui ont guidé la. 1) La théorie du regret de Loomes et Sugden comme théorie de la décision Conclusion générale Nous concluons au travers de quatre axes principaux qui ont guidé la rédaction de cette thèse. 1) La théorie du regret de Loomes et Sugden comme théorie de la décision rationnelle compatible

Plus en détail

Chapitre 2. Classes et objets

Chapitre 2. Classes et objets Chapitre 2: Classes et Objets 1/10 Chapitre 2 Classes et objets Chapitre 2: Classes et Objets 2/10 Approche Orientée Objet Idée de base de A.O.O. repose sur l'observation de la façon dont nous procédons

Plus en détail

Multi-processeurs, multi-cœurs et cohérence mémoire et cache

Multi-processeurs, multi-cœurs et cohérence mémoire et cache Multi-processeurs, multi-cœurs et cohérence mémoire et cache Intervenant : Thomas Robert Institut Mines-Télécom Rappel système d exploitation & Parallélisme L unité d exécution pour un système d exploitation

Plus en détail

Introduction. Introduction rédigée par Amal EL FALLAH SEGHROUCHNI et Jean-Pierre BRIOT.

Introduction. Introduction rédigée par Amal EL FALLAH SEGHROUCHNI et Jean-Pierre BRIOT. Introduction Les systèmes multi-agents (SMA) constituent aujourd hui une technologie de choix pour la conception et la mise en œuvre d applications réparties et coopératives. La dualité entre agent comme

Plus en détail

ESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring

ESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring ESSEC Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring Les méthodes d évaluation du risque de crédit pour les PME et les ménages Caractéristiques Comme les montants des crédits et des

Plus en détail

LIVRET DE COMPÉTENCES A L ÉCOLE MATERNELLE

LIVRET DE COMPÉTENCES A L ÉCOLE MATERNELLE NOM : Prénom Date de naissance : LIVRET DE COMPÉTENCES A L ÉCOLE MATERNELLE Classe de toute petite section Année scolaire Nom et adresse de l école Nom des enseignants Classe de petite section Classe de

Plus en détail

1.1. Qu est ce qu un audit?... 17

1.1. Qu est ce qu un audit?... 17 Table des matières chapitre 1 Le concept d audit 17 1.1. Qu est ce qu un audit?... 17 1.1.1. Principe général... 17 1.1.2. Historique... 19 1.1.3. Définitions des termes particuliers utilisés en audit...

Plus en détail

Journée pédagogique des stagiaires 1 octobre 2014

Journée pédagogique des stagiaires 1 octobre 2014 Journée pédagogique des stagiaires 1 octobre 2014 LP Blaise Pascal COLMAR Retour d expériences Choisir 2 images qui témoignent de votre ressenti dans votre prise de fonction Restitution au groupe LE REFERENTIEL

Plus en détail

Chapitre cinq : Représentation des Images

Chapitre cinq : Représentation des Images Chapitre cinq : Représentation des Images Ce chapitre présente les bases pour la représentation des images et des sons. ~ 1 ~ 6. 6.1.1. Introduction Il existe plusieurs moyens de représenter des images.

Plus en détail

MODALITES DE CERTIFICATION DE LA PSE pour la session 2016

MODALITES DE CERTIFICATION DE LA PSE pour la session 2016 MODALITES DE CERTIFICATION DE LA PSE pour la session 2016 1. L épreuve de PSE au baccalauréat professionnel : 1.1. Les modifications : BO n 30 du 23 juillet 2015 À partir de la session 2016, l épreuve

Plus en détail

Conseils pour l évaluation et l attribution de la note

Conseils pour l évaluation et l attribution de la note Entreprise formatrice Candidat/-e Téléphone: Téléphone: Ce document ne doit en aucun cas être montré au candidat après l attribution des points. Conseils pour l évaluation et l attribution de la note Documentation

Plus en détail

CAISSE DE PENSIONS DECLARATION SUR LES PRINCIPES DE PLACEMENT ET SUR LA POLITIQUE D INVESTISSEMENT

CAISSE DE PENSIONS DECLARATION SUR LES PRINCIPES DE PLACEMENT ET SUR LA POLITIQUE D INVESTISSEMENT CERN/PFIC/21.6/Approuvé Original: anglais 10 Septembre 2013 ORGANISATION EUROPÉENNE POUR LA RECHERCHE NUCLÉAIRE CERN EUROPEAN ORGANIZATION FOR NUCLEAR RESEARCH CAISSE DE PENSIONS DECLARATION SUR LES PRINCIPES

Plus en détail

Questions à se poser pour concevoir, tenir et évaluer une activité de formation en milieu de travail

Questions à se poser pour concevoir, tenir et évaluer une activité de formation en milieu de travail Questions à se poser pour concevoir, tenir et évaluer une activité de formation en milieu de travail Présentation en soutien au webinaire réalisé dans le cadre de la Semaine québécoise des adultes en formation

Plus en détail

Profil du candidat et connaissances techniques à connaître/maîtriser

Profil du candidat et connaissances techniques à connaître/maîtriser Utilisation d algorithmes de deep learning pour la reconnaissance d iris. jonathan.milgram@morpho.com Dans ce cadre, l'unité de recherche et technologie a pour but de maintenir le leadership Au sein de

Plus en détail

2 / ENONCER ET DECRIRE LES FONCTIONS DE SERVICE A REALISER

2 / ENONCER ET DECRIRE LES FONCTIONS DE SERVICE A REALISER A / ENONCER LE BESOIN B / ENONCER ET DECRIRE LES FONCTIONS A SATISFAIRE C / LE RESPECT DES FONCTIONS DE SERVICE et LES CONTRAINTES ECONOMIQUES D / LE CAHIER DES CHARGES ET L ORGANISATION DU TRAVAIL et

Plus en détail