Apprentissage par exploration
|
|
- Claudine Patel
- il y a 8 ans
- Total affichages :
Transcription
1 Apprentissage par exploration 1/32
2 Introduction Méthode particulière d acquisition de connaissance : apprentissage artificiel, à partir d induction. obtention des connaissances à partir d exemples. On parle plus précisément d apprentissage supervisé. 2/32
3 Cadre de l apprentissage Cadre : soit X un ensemble d objets (qui représentent chacun une question) ; soit C un ensemble cible (un ensemble de réponse). La «connaissance» est une fonction f de X vers C. 3/32
4 Apprentissage supervisé L apprentissage supervisé désigne un processus d apprentissage sous la direction d un humain qui va guider l induction à l aide d un échantillon d apprentissage. Cet échantillon A est un ensemble de paires (x, c) avec x X et c C. (autrement dit, un ensemble de questions-réponses) 4/32
5 Formes d apprentissage On distingue, en gros : 1. l apprentissage par exploration (ensembles fortement structurés, symboliques) ; 2. l apprentissage par optimisation (ensembles moins structurés) : optimisation de valeurs sur un espace défini ; 3. l apprentissage par approximation (ensembles peu structurés) : découverte de propriétés générales, parfois non supervisé. Par rapport aux systèmes à base de connaissance, on s intéresse essentiellement à l apprentissa par exploration (découvertes de concepts symboliques, inductions de règles) et à l apprentissag par optimisation (data-mining). 5/32
6 Apprentissage par exploration En face de l espace des fonctions possible de X vers C (tous les cas envisageables), on dispose d un espace d hypothèses H. Cet espace représente les fonctions «envisageables» par le programme apprenant. L apprentissage par exploration est un processus de déplacement sur l espace d hypothèse pour trouver celles qui sont «acceptables» avec l échantillon d apprentissage. 6/32
7 Apprentissage de concepts Le but de l apprentissage est donc de trouver une fonction de X vers C. Si C est fini, on parle d apprentissage de règle de classifications. Exemple : reconnaissances de caractères, diagnostiques médicaux. A rapprocher des systèmes experts du même type. Si C ne contient que 2 éléments (par exemple, { vrai, faux }), on parle d apprentissage de concepts. Il s agit alors de trouver un sous-ensemble de X. Exemple : notre tri de pièces truquées ou non après k tirages. X = {(p, f) p + f = k}, le but étant de trouver le sous-ensemble de X qui serait «rangé» dans les pièces truquées (par exemple). Pour la suite, on s intéresse spécifiquement à l apprentissage de concepts. On cherche donc à apprendre un sous-ensemble de X (on va le noter D. 7/32
8 Exemple, contre-exemple L échantillon d apprentissage est alors un ensemble de couples (x, +) ou (x, ) : (x, +) signifie que x est dans le concept recherché (i.e., x D). On dit que x est un exemple. (x, ) signifie que x n est pas dans le concept recherché (i.e., x D). On dit que x est un contre-exemple. 8/32
9 Exemple Soit X = {lundi, mardi, mercredi, jeudi, vendredi, samedi, dimanche}, et A = {(lundi, +), (jeudi, +), (dimanche, )}. Ici lundi et jeudi sont des exemples, dimanche est un contre-exemple. L apprentissage consisterait à chercher une ou plusieurs hypothèses (élément de H) qui «contiendrait» les exemples, et pas les contre-exemples. 9/32
10 Espace des hypothèses L espace des hypothèses est un ensemble représentant des sous-ensemble de X (et non pas un ensemble de sous-ensemble de X : 1. ce qui permet de faire le lien entre H et sa représentation informatique ; 2. et parfois de mieux présenter la structure de H (voir après). Exemple : H = {aucun, lundi, mercredi, jeudi, samedi, weekend, jours_ouvrables, tous} 10/32
11 Représentation informatique Grace à une représentation abstraite de sous-ensembles de X par H, on peut représenter H sur ordinateur même si X est grand ou infini. Exemple : définir un hypothèse comme un typé énuméré avec comme valeurs Aucun, Lundi, Mercredi, Jeudi, Samedi, Weekend, Jours_ouvrables, tous. 11/32
12 Couverture La couverture d une hypothèse h H, notée couverture(h), est l ensemble des éléments de x décrits (représentés) par h. Exemple : couverture : aucun lundi {lundi} mercredi {mercredi} jeudi {jeudi} samedi {samedi} weekend {samedi, dimanche} jours_ouvrables {lundi, mardi, mercredi, jeudi, vendredi, samedi} tous {lundi, mardi, mercredi, jeudi, vendredi, samedi, dimanche} 12/32
13 Ordre de spécificité De l ordre ensembliste sur (X ), on obtient par la fonction couverture un ordre induit sur H : h 1 h 2 couverture(h 1 ) couverture(h 2 ) Cet ordre est appelé l ordre de spécificité : si h 1 h 2 on dit que h 1 est plus sécifique que h 2 (ou que h 2 est plus général que h 1 ). 13/32
14 Exemple On peut présenter cet ordre à l aide d un graphe orienté acyclique : tous jours_ouvrables weekend lundi mercredi jeudi samedi dimanche a b signifie a b aucun 14/32
15 Correction, complétude, cohérence Un ensemble d apprentissage A étant donné : une hypothèse h est complète si elle couvre tous les exemples de A. une hypothèse h est correcte si elle ne couvre aucun contre-exemple de A. une hypothèse est cohérente si elle est correcte et complete. Exemple : hypothèses complètes : jours_ouvrables, tous. hypothèses correctes : aucun, lundi, mercredi, jeudi, samedi, jours_ouvrables. hypothèses cohérentes : jours_ouvrables. 15/32
16 Exemple hypothèses correctes hypothèses complètes tous jours_ouvrables weekend lundi mercredi jeudi samedi dimanche a b signifie a b aucun On voit que l ensemble des hypothèses correctes est clos par spécialisation (en allant vers le plus spécifique) et l ensemble des hypothèses complètes est clos par généralisation. 16/32
17 Apprentissage itératif A partir d un ensemble d apprentissage A, je peux trouver une hypothèse cohérente par exploration de H en prenant successivement chaque élément de A : initialement je peux prendre n importe quelle hypothèse h = h 0 ; quand un exemple x n est pas couvert par h, je généralise h pour que sa couverture inclue x ; quand un contre-exemple x est couvert par h, je spécialise h pour que sa couverture exclue x. Le problème étant de ne pas trop (ou mal) généraliser ou spécialiser. 17/32
18 Espace des versions On appelle espace des versions l ensemble des hypothèses cohérentes avec l ensemble d apprentissage (dans notre exemple, V = {jours_ouvrables}. L «espace des versions» est aussi le nom donné à un algorithme, l algorithme d élimination des candidats, dont le but est de calculer exactement l espace des versions. 18/32
19 Propriétés de l espace des versions Si nous notons E l espace des versions (hypothèses cohérentes avec A) : 1. E est convexe : h 1, h 2, h 3 H, h 1 h 2 h 3 (h 1, h 3 ) E 2 h 2 E (un hypothèse «encadrée» par deux hypothèses cohérentes est cohérente) 2. E est borné : h E, s, g E, s h g, avec s minimal et g maximal pour dans E (tout élément de E est encadré par deux «bornes» extrêmes de E) Ces propriétés restent vraies lorsque E est vide. 19/32
20 Ensembles S et G 1. L ensemble des hypothèses cohérentes de H qui ne peuvent être spécialisées sans perdre cette cohérence (hypothèses cohérentes maximalement spécifiques) est appelé le S-set. 2. L ensemble des hypothèses cohérentes de H qui ne peuvent être généralisées sans perdre cette cohérence (hypothèses cohérentes maximalement générales) est appelé le G-set. L espace des versions étant convexe et borné, il peut être représenté (de façon plus économique) par le S-set et le G-set : E = {h H g G, s S, s h g} Le but de l algorithme d élimination des candidats est donc de construire S et G. 20/32
21 Principe Calcul itératif de S et G : initialement S doit contenir les hypothèses les plus spécifiques, et G les plus générales (pour que toutes les hypothèses soient représentées) ; en lisant un exemple : 1. on supprime de G les hypothèses qui ne couvrent pas cet exemple (toutes les spécialisations des ces hypothèses sont incohérentes) ; 2. on «généralise a minima» les hypothèses de S qui ne couvrent pas cet exemple. en lisant un contre-exemple : 1. on supprime de S les hypothèses qui couvrent ce contre-exemple (toutes les généralisations des ces hypothèses sont incohérentes) ; 2. on «spécialise a minima» les hypothèses de G qui couvrent ce contre-exemple. 21/32
22 Exemple On prend un ensemble d hypothèses un peu différent : G S tous lundi jeudi mercredi samedi weekend lundi mercredi jeudi samedi dimanche Echantillon d apprentissage : A = {(dimanche, ), (mercredi, +), (jeudi, +), (mardi, ), (samedi, )} Au début, S vaut tous les éléments minimums, G les éléments maximums. 22/32
23 (dimanche, ) dimanche est enlevé de S (couvre dimanche). tous est spécialisé en lundi jeudi et mercredi samedi. G S tous lundi jeudi mercredi samedi weekend lundi mercredi jeudi samedi dimanche 23/32
24 (mercredi, +) Rien n est enlevé de G. lundi, jeudi et samedi sont généralisés, mais le résultat (soit lundi jeudi soit mercredi samedi) est plus général que mercredi. Ces généralisations ne sont donc pas gardées dans S. G S tous lundi jeudi mercredi samedi weekend lundi mercredi jeudi samedi dimanche 24/32
25 (jeudi, +) Rien n est enlevé de G. mercredi dans S est généralisé par lundi jeudi et mercredi samedi. G S tous lundi jeudi mercredi samedi weekend lundi mercredi jeudi samedi dimanche 25/32
26 (mardi, ) lundi jeudi couvrant mardi est enlevé de S. Dans G, lundi jeudi devrait être spécialisé (en lundi, mercredi et jeudi), mais aucune de ces spécialisations ne sont «compatibles» avec S (= ne sont plus générales qu un élément de S). Elles sont donc supprimées. G S tous lundi jeudi mercredi samedi weekend lundi mercredi jeudi samedi dimanche 26/32
27 (samedi, ) mercredi samedi couvrant samedi est enlevé de S. La spécialisation de mercredi samedi dans G est de toute façon incompatible avec S (qui est vide), on enlève l élément. G S tous lundi jeudi mercredi samedi weekend lundi mercredi jeudi samedi dimanche S et G sont vides : aucune hypothèse n est cohérente avec l ensemble d apprentissage. 27/32
28 Principe de la généralisation de S Dans le cas d un exemple x, on considère chaque hypothèse h de S : si elle couvre x, pas de problème. sinon, on ajoute dans S les hypothèses généralisant h et couvrant x qui sont : 1. les plus spécifiques à vérifier cette propriété ; 2. et qui sont plus spécifiques qu un élément de G. Ensuite on supprime de S les hypothèses plus générales qu une autre hypothèse de S. 28/32
29 Principe de la spécialisation de G Dans le cas d un contre-exemple x, on considère chaque hypothèse h de G : si elle ne couvre pas x, pas de problème. sinon, on ajoute dans G les hypothèses spécialisant h et ne couvrant pas x qui sont : 1. les plus générales à vérifier cette propriété ; 2. et qui sont plus générales qu un élément de S. Ensuite on supprime de G les hypothèses plus spécifiques qu une autre hypothèse de G. 29/32
30 Note 1 : La représentation unique En général, on choisit l espace des hypothèses H de sorte que, pour tout élément x de X, il existe une hypothèse de H qui couvre exactement X. Dans notre exemple, ça veut dire que H doit au moins contenir un élément pour chaque jour de la semaine. Intérêt : le langage de représentation des exemples est inclut dans le langage de représentation des hypothèses. ou au moins on peut projeter les exemples vers les hypothèses, pour faire les opérations de généralisations ou spécialisations. Ce choix est appelé astuce de la représentation unique. 30/32
31 Note 2 : gms et smg Étant donné deux hypothèses h 1 et h 2, on appelle : 1. le généralisé maximalement spécifique (ou gms(h 1, h 2 ) l ensemble des hypothèses plus générales que h 1 et h 2 qui sont les plus spécifiques possibles. 2. le spécialisé maximalement général (ou smg(h 1, h 2 ) l ensemble des hypothèses plus spécifiques que h 1 et h 2 qui sont les plus générales possibles. Ces notions peuvent être employées pour présenter les calculs de généralisations et de spécialisations dans l algorithme d élimination des candidats. 31/32
32 Bilan L algorithme d élimination des candidats est un moyen systématique de calculer l espace des versions d un échantillon d apprentissage Il évite ainsi de choisir au hasard la façon dont on généralise ou spécialise les hypothèses, et donne exactement l ensemble des hypothèses cohérentes avec les exemples et contreexemples. 32/32
Pourquoi l apprentissage?
Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage
Plus en détailProgramme et calendrier niveau 1 :2014-2015
Module 1 : Le corps humain Anatomie Physiologie Pathologie Énergétique chinoise 1 (pour les formations : amma et thaïlandais) 45 heures Module 2 : Application technique Amma initiation Amma professionnel
Plus en détailFormulaire d abonnement au service e-bdl
FORMULAIRE [1] : ENREGISTREMENT DU CLIENT ABONNE N d abonné :.... Raison sociale si Entreprise Sinon, Nom & Prénom : N de téléphone fixe : N de téléphone portable : Adresse postale : Client : Entreprise
Plus en détailLES TYPES DE DONNÉES DU LANGAGE PASCAL
LES TYPES DE DONNÉES DU LANGAGE PASCAL 75 LES TYPES DE DONNÉES DU LANGAGE PASCAL CHAPITRE 4 OBJECTIFS PRÉSENTER LES NOTIONS D ÉTIQUETTE, DE CONS- TANTE ET DE IABLE DANS LE CONTEXTE DU LAN- GAGE PASCAL.
Plus en détailAPPORT DES RESEAUX BAYESIENS DANS LA PREVENTION DE LA DELINQUANCE
SûretéGlobale.Org La Guitonnière 49770 La Meignanne Téléphone : +33 241 777 886 Télécopie : +33 241 200 987 Portable : +33 6 83 01 01 80 Adresse de messagerie : c.courtois@sureteglobale.org APPORT DES
Plus en détailS e i QUES T r THÈ o S BIBLIO 201 5 É T É
S o r t i e s BIBLIOTHÈQUES 2015 É T É Fermetures des bibliothèques 24 juin et 1 er juillet ville.levis.qc.ca/bibliotheques Information : 418 835-8570 / Conditions d abonnement / L abonnement est gratuit
Plus en détailOrganisation Gestion du temps. Participation Notes et résumés Etudes et examens
Organisation Gestion du temps Participation Notes et résumés Etudes et examens Le SIEP de Mons organise des ateliers dynamiques pour t aider à découvrir ta Avec des conseils pratiques, des trucs et astuces!
Plus en détailINF 232: Langages et Automates. Travaux Dirigés. Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies
INF 232: Langages et Automates Travaux Dirigés Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies Année Académique 2013-2014 Année Académique 2013-2014 UNIVERSITÉ JOSEPH
Plus en détail1 Définition et premières propriétés des congruences
Université Paris 13, Institut Galilée Département de Mathématiques Licence 2ème année Informatique 2013-2014 Cours de Mathématiques pour l Informatique Des nombres aux structures Sylviane R. Schwer Leçon
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailCours de Master Recherche
Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction
Plus en détailNom Prénom :... Mon livret de stage
Nom Prénom :..... Mon livret de stage 1. Présentation Tuteur de stage : NOM et Prénom: Fonctions dans l entreprise : Téléphone et poste : Stagiaire NOM et Prénom : Né(e) le : Stage effectué du au Professeur
Plus en détailGrandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test
Grandes lignes Analyseur Statique de logiciels Temps RÉel Embarqués École Polytechnique École Normale Supérieure Mercredi 18 juillet 2005 1 Présentation d 2 Cadre théorique de l interprétation abstraite
Plus en détailPascal Weber - Expert en organisation http://www.ameliorationcontinue.fr
Livre de formation offert par Pascal Weber - Expert en organisation http://www.ameliorationcontinue.fr http://twitter.com/ameliorcontinue Le simple fait de posséder ce livre vous donne le droit de l'offrir
Plus en détailLE GUIDE. Automne 2014. Artisans Commerçants Prestataires de services
LE GUIDE de nos formations Automne 2014 Artisans Commerçants Prestataires de services E D I T O «SE FORMER POUR PROGRESSER» Chère Adhérente, Cher Adhérent, Nous vous invitons à participer à nos de formation
Plus en détailLigne 34. Château-Landon / Egreville Melun
Château-Landon / Egreville Melun Samedi, sauf jours fériés (page 1 / 2) Château-Landon Place de Verdun 6:30 7:00 8:00 9:00 10:00 11:00 12:00 13:00 15:00 17:00 19:30 21:30 Place du Marché 6:32 7:02 8:02
Plus en détailACCORD SUR LES ASTREINTES UES CAPGEMINI
ACCORD SUR LES ASTREINTES UES CAPGEMINI PREAMBULE Pour répondre à la continuité du service que l entreprise doit assurer à ses clients, certaines activités pour certains rôles ou fonctions, recourent à
Plus en détailBIBLIOTHÈQUE MEMPHRÉMAGOG
BIBLIOTHÈQUE MEMPHRÉMAGOG SESSION 4 11 MARS AU 7 MAI 2015 Différents ateliers informatiques sont offerts par les Amis de la Bibliothèque Memphrémagog. Durée : 3 heures Coût : 20 $ / atelier (payable lors
Plus en détailQUE PENSEZ-VOUS DE VOTRE CLUB? Un outil indispensable pour évaluer les clubs
GUIDE ADMINISTRATIF QUE PENSEZ-VOUS DE VOTRE CLUB? Un outil indispensable pour évaluer les clubs QUE PENSEZ-VOUS DE VOTRE CLUB? Un outil indispensable pour évaluer les clubs - Guide administratif Vous
Plus en détailPériode 2 : La semaine du 05 Novembre 2012
Emploi du temps de : 3 ème année (groupe A) Groupe A Lundi Mardi Mercredi JEUDI Vendredi Samedi Datawarehou Econométrie Croissance se & Approfondie avancée économique Economie de l assurance Salle C2 F.Chaker
Plus en détailL 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 détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailPARTAGER LES TÂCHES MÉNAGÈRES
Activités éducatives pour les 10 à 11 ans PARTAGER LES TÂCHES MÉNAGÈRES VOTRE ENFANT APPREND À : FAIRE DES CHOIX SELON LES BESOINS ET LES DÉSIRS D UN GROUPE RÉALISER UN PROJET COMMUN EN COOPÉRATION PARTAGER
Plus en détailPériode 2 : Du 26 Novembre 2012 au 14 Décembre 2012
Emploi du temps de : 3 ème année (groupe A) Groupe A Lundi Mardi Mercredi JEUDI Vendredi Samedi Econométrie Croissance avancée économique 15 M.Ben Braham M.Kouki F.Beltaief Salle B2 J.Boumedien F.Chaker
Plus en détailPLANNING DE FORMATION JANVIER 2012
Accueil de 9h à 12h30 et de 14h à 17h du lundi au vendredi 30 rue de la Baïsse 69100 Villeurbanne tél 04 37 43 12 07/ fax 04 78 68 16 37 / email ofelia7@wanadoo.fr Organisme de Formation & d Expérimentation
Plus en détailLes chaînes de caractères
Les chaînes de caractères Dans un programme informatique, les chaînes de caractères servent à stocker les informations non numériques comme par exemple une liste de nom de personne ou des adresses. Il
Plus en détailIntroduction à la théorie des graphes. Solutions des exercices
CAHIERS DE LA CRM Introduction à la théorie des graphes Solutions des exercices Didier Müller CAHIER N O 6 COMMISSION ROMANDE DE MATHÉMATIQUE 1 Graphes non orientés Exercice 1 On obtient le graphe biparti
Plus en détailQu est-ce qu une probabilité?
Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont
Plus en détailDirection des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Etab=MK3, Timbre=G430, TimbreDansAdresse=Vrai, Version=W2000/Charte7, VersionTravail=W2000/Charte7 Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Plus en détailV- Manipulations de nombres en binaire
1 V- Manipulations de nombres en binaire L ordinateur est constitué de milliards de transistors qui travaillent comme des interrupteurs électriques, soit ouverts soit fermés. Soit la ligne est activée,
Plus en détailChapitre 2. Eléments pour comprendre un énoncé
Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailDéfinitions. Numéro à préciser. (Durée : )
Numéro à préciser (Durée : ) On étudie dans ce problème l ordre lexicographique pour les mots sur un alphabet fini et plusieurs constructions des cycles de De Bruijn. Les trois parties sont largement indépendantes.
Plus en détailAlgorithmes de recherche
Algorithmes de recherche 1 Résolution de problèmes par recherche On représente un problème par un espace d'états (arbre/graphe). Chaque état est une conguration possible du problème. Résoudre le problème
Plus en détailVersailles Gare Versailles Rive Gauche é Vélizy-Villacoublay Vélizy 2. Du lundi au vendredi. Versailles. Vélizy-Villacoublay
20 Du lundi au vendredi é L Onde Maison des Arts Ravel Europe Sud Europe Sud Centre d Affaires Les Metz - Clair Bois Résidence les Bois (a) (b) 6.14 6.51 7.30 8.14 9.12 10.45 12.23 12.23 13.51 14.53 16.23
Plus en détailLa nouvelle planification de l échantillonnage
La nouvelle planification de l échantillonnage Pierre-Arnaud Pendoli Division Sondages Plan de la présentation Rappel sur le Recensement de la population (RP) en continu Description de la base de sondage
Plus en détailSIGEM 2015 Questions fréquemment posées
SIGEM 2015 Questions fréquemment posées Merci de vous assurer d avoir consulté préalablement le mode d emploi de la procédure SIGEM 2015 : http://www.sigem.org/pdf/reglement_sigem.pdf 1 QUESTIONS CONCERNANT
Plus en détailMIS 102 Initiation à l Informatique
MIS 102 Initiation à l Informatique Responsables et cours : Cyril Gavoille Catherine Pannier Matthias Robine Marc Zeitoun Planning : 6 séances de cours 5 séances de TD (2h40) 4 séances de TP (2h40) + environ
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailCURSUS EN ALTERNANCE inseec-bs.com MEMBRE DE LA CONFÉRENCE DES GRANDES ÉCOLES ET DU CHAPITRE DES ÉCOLES DE MANAGEMENT
CURSUS EN ALTERNANCE inseec-bs.com MEMBRE DE LA CONFÉRENCE DES GRANDES ÉCOLES ET DU CHAPITRE DES ÉCOLES DE MANAGEMENT L ALTERNANCE À INSEEC BUSINESS SCHOOL CAMPUS DE PARIS Deux possibilités s offrent aux
Plus en détailUtilisation des tableaux sémantiques dans les logiques de description
Utilisation des tableaux sémantiques dans les logiques de description IFT6281 Web Sémantique Jacques Bergeron Département d informatique et de recherche opérationnelle Université de Montréal bergerja@iro.umontreal.ca
Plus en détailTITRE I. Dispositions générales. Institut français du cheval et de l équitation. Terrefort BP 207-49411 Saumur cedex
Cahier des charges pour l affermage d un gîte équestre au sein du Haras national d Uzès Date limite de remise des candidatures le 11 janvier 2013 1 TITRE I Dispositions générales Article 1 er : Personne
Plus en détail3. DONNEES STATISTIQUES DE LA FREQUENTATION 1 DES BU ANNEE UNIVERSITAIRE 2011-12
Horaires d ouverture des 3. DONNEES STATISTIQUES DE LA FREQUENTATION 1 DES ANNEE UNIVERSITAIRE 2011-12 Service commun de la documentation Bibliothèques universitaires (SCD ) Juin 2013 1 Ces données statistiques
Plus en détailCalculs de probabilités
Calculs de probabilités Mathématiques Générales B Université de Genève Sylvain Sardy 13 mars 2008 1. Définitions et notations 1 L origine des probabilités est l analyse de jeux de hasard, tels que pile
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailcontact@farabi.fr www.farabi.fr Carnet de Liaison Année scolaire :... /... Nom :... Prénom :... Classe :...
contact@farabi.fr www.farabi.fr Carnet de Liaison Année scolaire :... /... Nom :... Prénom :... Classe :... RENSEIGNEMENTS ÉLÈVE Nom Prénom Adresse Classe Tél. / L élève est autorisé à quitter l institut
Plus en détailSurvie de fin de session
Services-conseils il Survie de fin de session Conceptrice : France Landry, PhD Conseillère au soutien à l'apprentissage Adaptation : Annélie Anestin Psy.D, Sara Savoie, orthopédagogue & Cynthia Guillemette,
Plus en détailEVALUATION DE L EXPOSITION AU BRUIT EN PERIODE SCOLAIRE CHEZ UN MAITRE-NAGEUR EN PISCINE COUVERTE
EVALUATION DE L EXPOSITION AU BRUIT EN PERIODE SCOLAIRE CHEZ UN MAITRE-NAGEUR EN PISCINE COUVERTE I - INTRODUCTION Le bruit dans les piscines est crée par les activités ludiques et les cris des usagers.
Plus en détail(Mis à jour : 7 déc. 12)
(Mis à jour : 7 déc. ) TABLE DES MATIÈRES. Étapes d une inscription en ligne (IEL)... 3. Page d accueil / Choisir le réseau... 4 3. Choix du tournoi... 5 4. Détails et tarifs d un tournoi... 6 5. Informations
Plus en détailQUESTIONNAIRE ENTREPRISE
ENQUETE CREATION CRECHE INTERENTREPRISES QUESTIONNAIRE ENTREPRISE 1. Votre entreprise Nom... Commune :... Nom, coordonnées et fonction de la personne répondant au questionnaire : Secteur d activité :...
Plus en détailRÈGLEMENTS DU CONCOURS «Concours Plus de goût»
RÈGLEMENTS DU CONCOURS «Concours Plus de goût» 1. DURÉE : 1.1 Le «Concours Plus de goût» est tenu par Les Galeries de Hull ltée. (ci-après : «Organisateurs du concours»). Il se déroule à Les Galeries de
Plus en détailIntelligence 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 détailProgrammation Par Contraintes
Programmation Par Contraintes Cours 2 - Arc-Consistance et autres amusettes David Savourey CNRS, École Polytechnique Séance 2 inspiré des cours de Philippe Baptiste, Ruslan Sadykov et de la thèse d Hadrien
Plus en détailE-ASSURÉS RECHERCHE LE PROFIL DES PERSONNES ASSURANCE SANTÉ DES A LA SUR INTERNET D UNE PUBLIÉ PAR. 23 e ÉDITION
L OBSERVATOIRE PUBLIÉ PAR LE PROFIL DES PERSONNES A LA RECHERCHE DES D UNE E-ASSURÉS 23 e ÉDITION SEPTEMBRE NOVEMBRE 2014 ASSURANCE SANTÉ SUR INTERNET QUI SOMMES-NOUS? PRÉSENTATION DE cmonassurance est
Plus en détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
Plus en détailLE PROBLEME DU PLUS COURT CHEMIN
LE PROBLEME DU PLUS COURT CHEMIN Dans cette leçon nous définissons le modèle de plus court chemin, présentons des exemples d'application et proposons un algorithme de résolution dans le cas où les longueurs
Plus en détailThe Over-60 Research Unit UCSF 2007 adaptation en français en 2013
The Over-60 Research Unit UCSF 2007 adaptation en français en 2013 Adaptée par Amandine Capber Titulaire d'un Master 2 recherche, étudiante en Master 2 professionnel Neuropsychologie et Psychopathologie
Plus en détailThèmes et situations : Agenda et Emploi du temps. Fiche pédagogique
Ressources pour les enseignants et les formateurs en français des affaires Activité pour la classe : CFP Crédit : Joelle Bonenfant, Jean Lacroix Thèmes et situations : Agenda et Emploi du temps Fiche pédagogique
Plus en détailBanque Africaine de Développement
The Next 50 Years: The Africa We Want Banque Africaine de Développement Programme Provisoire Côte d Ivoire, Abidjan, 25 29 mai 2015 Samedi 23 et dimanche 24 mai 2015, de 9 h à 17 h : Enregistrement des
Plus en détailDÉCHETS MÉNAGERS. Mode d emploi. Point info 01 46 12 75 20. www.ville-montrouge.fr
DÉCHETS MÉNAGERS Mode d emploi Point info 01 46 12 75 20 www.ville-montrouge.fr C ollecte sélective en porte à porte, ramassage des encombrants, déchetterie, etc., la Ville de Montrouge propose une palette
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailCONSULTATION SUR PLACE
CONSULTATION SUR PLACE GUIDE D UTILISATION DES ORDINATEURS D ACCÈS PUBLIC Équipements disponibles..............2 Règles d usage......................2 Conditions d utilisation................3 Procédurier.........................5
Plus en détailELEC2753 Electrotechnique examen du 11/06/2012
ELEC2753 Electrotechnique examen du 11/06/2012 Pour faciliter la correction et la surveillance, merci de répondre aux 3 questions sur des feuilles différentes et d'écrire immédiatement votre nom sur toutes
Plus en détailLa programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
Plus en détailRÈGLEMENT CO-2008-536 SUR L UTILISATION DE L EAU POTABLE CHAPITRE I DÉFINITIONS
RÈGLEMENT CO-2008-536 SUR L UTILISATION DE L EAU POTABLE LE CONSEIL DÉCRÈTE CE QUI SUIT : CHAPITRE I DÉFINITIONS 1. Aux fins d application de ce règlement, les mots et expressions suivants signifient :
Plus en détailLa Journée de solidarité
La Journée de solidarité En vue d assurer le financement des actions en faveur de l autonomie des personnes âgées ou handicapées, la loi du 30 juin 2004 a mis en place une journée de solidarité : les salariés
Plus en détailChristophe CANDILLIER Cours de DataMining mars 2004 Page 1
Christophe CANDILLIER Cours de DataMining mars 2004 age 1 1. Introduction 2. rocessus du DataMining 3. Analyse des données en DataMining 4. Analyse en Ligne OLA 5. Logiciels 6. Bibliographie Christophe
Plus en détailOrdre du jour provisoire pour la COP12
CONVENTION SUR LES ZONES HUMIDES (Ramsar, Iran, 1971) 48 e Réunion du Comité permanent Gland, Suisse, 26 30 janvier 2015 SC48 13 Ordre du jour provisoire pour la COP12 Contexte L Ordre du jour provisoire
Plus en détailVu la circulaire n 2033-134 du 8 septembre 2003 relative aux modalités d accueil en milieu professionnel des élèves mineurs de moins de seize ans :
CONVENTION RELATIVE A L ORGANISATION DE SEQUENCE D OBSERVATION EN MILIEU PROFESSIONNEL DANS LE CADRE DE L OPERATION «BRAVO LES ARTISANS de Charente-Maritime» Vu la circulaire n 2033-134 du 8 septembre
Plus en détailSystème immunitaire artificiel
République Algérienne Démocratique et Populaire Ministère de l Enseignement Supérieure Université des Sciences et de la Technologie D Oran Mohammed Boudiaf (USTO) Faculté des Sciences Département d Informatique
Plus en détailGUIDE DE RECHERCHE DOCUMENTAIRE. Bibliothèque du Centre collégial de Mont-Laurier
GUIDE DE RECHERCHE DOCUMENTAIRE Bibliothèque du Centre collégial de Mont-Laurier 1 Table des matières : Définir son besoin d information et déterminer le sujet... 3 Les ouvrages de référence ou usuels...
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailGUIDE DU NOUVEL UTILISATEUR
GUIDE DU NOUVEL UTILISATEUR Le but de ce tutoriel est de vous guider à travers les fonctions de base de votre logiciel. Nous partirons du principe que votre terminal de pointage est déjà installé. A la
Plus en détailE-ASSURÉS RECHERCHE LE PROFIL DES PERSONNES ASSURANCE SANTÉ DES A LA SUR INTERNET D UNE PUBLIÉ PAR. 23 e ÉDITION
L OBSERVATOIRE PUBLIÉ PAR LE PROFIL DES PERSONNES A LA RECHERCHE DES D UNE E-ASSURÉS 23 e ÉDITION SEPTEMBRE NOVEMBRE ASSURANCE SANTÉ SUR INTERNET QUI SOMMES-NOUS? PRÉSENTATION DE cmonassurance est un e-courtier,
Plus en détailPréférence FM Votre Préférence en radio FM
Les offres radio Préférence FM L offre de diffusion FM de TDF Novembre 2008 * Imaginer des solutions pour un monde numérique TDF SAS au capital de 166 956 512 EUR. SIREN 342 404 399 RCS Nanterre Siège
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailGÉNÉRALISATION DE LA COMPLÉMENTAIRE SANTÉ. au 1 er janvier 2016, ce qu il faut savoir. www.probtp.com
GÉNÉRALISATION DE LA COMPLÉMENTAIRE SANTÉ au 1 er janvier 2016, ce qu il faut savoir. www.probtp.com NOUVELLE RÉGLEMENTATION CE QU IL FAUT RETENIR Au plus tard, le 1 er janvier 2016, les entreprises devront
Plus en détailThéorèmes de Point Fixe et Applications 1
Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des
Plus en détailResolution limit in community detection
Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
Plus en détailREGLEMENTATION FEDERALE DU B.F. UFA septembre 2012
F.F.A.A.A. 11, rue Jules Vallès 75011 PARIS 01.43.48.22.22 01.43.48.87.91 REGLEMENTATION FEDERALE DU B.F. UFA septembre 2012 Livret de formation BF UFA 2012-2013 1 Qu est ce que le Brevet Fédéral UFA?
Plus en détailProgramme d Accès Communautaire / Atelier 4 Initiation à Microsoft Excel PLAN DE COURS 3 MICROSOFT EXCEL 4 LANCER EXCEL 4
TABLE DES MATIÈRES PLAN DE COURS 3 MICROSOFT EXCEL 4 LANCER EXCEL 4 LE COMPAGNON OFFICE 4 Masquage ou affichage du Compagnon Office 4 Sélection d un autre Compagnon 4 APPRIVOISER EXCEL 5 Exercice no 1
Plus en détailGuide des nouveaux horaires de ramassage des ordures ménagères. SOiR ET MaTiN. c est plus malin!
Guide des nouveaux horaires de ramassage des ordures ménagères SOiR ET MaTiN c est plus malin! RaMaSSaGE des ORduRES MENaGERES De nouveaux horaires pour une Communauté qui évolue! F luidité de circulation
Plus en détailE-ASSURÉS RECHERCHE LE PROFIL DES PERSONNES ASSURANCE SANTÉ DES A LA SUR INTERNET D UNE PUBLIÉ PAR. 2 e ÉDITION
L OBSERVATOIRE PUBLIÉ PAR LE PROFIL DES PERSONNES A LA RECHERCHE DES D UNE E-ASSURÉS 2 e ÉDITION SEPTEMBRE NOVEMBRE ASSURANCE SANTÉ SUR INTERNET QUI SOMMES-NOUS? PRÉSENTATION DE cmonassurance est un e-courtier,
Plus en détailTitre. SAP BusinessObjects. - 1 er semestre 2015 - CONSEIL, SOLUTIONS DE TRANSFORMATION ET SERVICES IT
Titre SAP BusinessObjects - 1 er semestre 2015 - JANVIER 2015 Lundi 29 5 12 19 26 Mardi 30 6 13 20 27 Janvier 2015 Mercredi 31 7 14 21 28 Jeudi 1 8 15 22 29 Vendredi 2 9 16 23 30 Semaine 1 2 3 4 5 Code
Plus en détailModule 16 : Les fonctions de recherche et de référence
Module 16 : Les fonctions de recherche et de référence 16.0 Introduction L une des fonctions les plus importantes d Excel, c est la possibilité de chercher une valeur spécifique dans un grand nombre de
Plus en détailResearch Monitor. Research Monitor. Prise en main. Version 1 2015. Guide
Guide Research Monitor Research Monitor Prise en main Version 1 2015 Table des matières Table des matières... 1 1. En bref... 1 1.1. Pourquoi utiliser Research monitor?... 1 2. Page d accueil... 1 2.1.
Plus en détailSystème de messagerie vocale Cisco Unity Express 7.0 Guide de l utilisateur Fonctionnalités avancées
Système de messagerie vocale Cisco Unity Express 7.0 Guide de l utilisateur Fonctionnalités avancées Révision : 20 january 2009, Première publication : 5 novembre 2007 Dernière mise à jour : 20 january
Plus en détailAlgorithme. Table des matières
1 Algorithme Table des matières 1 Codage 2 1.1 Système binaire.............................. 2 1.2 La numérotation de position en base décimale............ 2 1.3 La numérotation de position en base binaire..............
Plus en détailSynthèse Sondagetransport. Clayes. FM Nov-14
Synthèse Sondagetransport Clayes Age 18-25 5 9% 25-35 2 3% 35-50 33 57% >50 10 17% Avez-vous des enfants? oui 42 72% non 8 14% Si oui, combien? 1 2 3% Enfant 1 [Age des enfants] De 0 à 10 ans 7 12% 2 26
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailwww.h-k.fr/publications/objectif-agregation
«Sur C, tout est connexe!» www.h-k.fr/publications/objectif-agregation L idée de cette note est de montrer que, contrairement à ce qui se passe sur R, «sur C, tout est connexe». Cet abus de langage se
Plus en détailFONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières
FONDEMENTS MATHÉMATIQUES 12 E ANNÉE Mathématiques financières A1. Résoudre des problèmes comportant des intérêts composés dans la prise de décisions financières. [C, L, RP, T, V] Résultat d apprentissage
Plus en détailConcept de salle de jeu à CESCOLE : 3.Sondage + analyses (%, bilan et explications) + graphes
Concept de salle de jeu à CESCOLE : Table des Matières : 1.Introduction 2.Etude du marché 3.Sondage + analyses (%, bilan et explications) + graphes 4.Plan de financement (achats machines, locaux, frais
Plus en détailwww.ville.lassomption.qc.ca
Bibliothèque Christian-Roy Maison de la culture i Livre-service Aide-mémoire Service de prêt numérique www.ville.lassomption.qc.ca À propos du prêt numérique La plateforme PRETNUMERIQUE.CA permet aux abonnés
Plus en détailApprentissage par renforcement (1a/3)
Apprentissage par renforcement (1a/3) Bruno Bouzy 23 septembre 2014 Ce document est le chapitre «Apprentissage par renforcement» du cours d apprentissage automatique donné aux étudiants de Master MI, parcours
Plus en détailDEMI PAIR BYRON BAY, PERTH, SYDNEY BRISBANE ET GOLD COAST 2014 APPRENEZ L ANGLAIS TOUT EN ÉTANT AU PAIR!
DEMI PAIR BYRON BAY, PERTH, SYDNEY BRISBANE ET GOLD COAST 2014 APPRENEZ L ANGLAIS TOUT EN ÉTANT AU PAIR! AUSTRALIE île continent - égale à 14 fois la taille de la france 1000 KM DEMI PAIR COMMENT CA MARCHE?
Plus en détail