Contributions à la reconnaissance robuste de la parole

Dimension: px
Commencer à balayer dès la page:

Download "Contributions à la reconnaissance robuste de la parole"

Transcription

1 École doctorale IAE + M Département de formation doctorale en informatique Contributions à la reconnaissance robuste de la parole Mémoire présenté et soutenu publiquement le 8 décembre 2005 pour l obtention de l habilitation à diriger les recherches de l Université Nancy 2 (spécialité informatique) par Irina Illina Composition du jury Rapporteurs : Régine André-Obrecht, Professeur, Université Toulouse 1 Jean-Pierre Martens, Professeur, Université de Gent, Belgique Jean-François Bonastre, HDR, Maître de conférences, Université d Avignon Examinateurs : Jean-François Mari, Professeur, Université Nancy 2 Jeanine Souquières, Professeur, Université Nancy 2 Directeur d habilitation : Jean-Paul Haton, Professeur, Université Henri Poincaré, Nancy 1 Laboratoire Lorrain de Recherche en Informatique et ses Applications UMR 7503

2

3 Table des matières Avant-propos 1 1 Introduction Des systèmes à base de connaissances vers l approche stochastique A propos de ce document I Dossier de présentation 7 2 Curriculum Vitæ Études et diplômes Fonctions Recherche Enseignement Liste des publications Résumé des recherches Introduction Travaux de thèse Robustesse au bruit et au locuteur Exploration de documents radiophoniques Collaborations extérieures et implication dans des projets Projet STIC-SHS RAIVES Campagne d évaluation ESTER Collaboration avec PRESSE Projet Européen HIWIRE Conclusion i

4 ii Table des matières II Synthèse de recherches 25 4 Modélisation acoustique de la parole Le problème de la reconnaissance Développement d un modèle acoustique Conclusion Vers la reconnaissance robuste au bruit Introduction à la reconnaissance robuste Bruit additif et convolutif, stationnaire et non stationnaire Prise en compte des différences entre les conditions de test et celles d apprentissage Modélisation de la parole bruitée dans le cadre de la compensation Génération des vecteurs acoustiques Modélisation de la parole bruitée Les méthodes de compensation Notre contribution à la compensation du bruit stationnaire Introduction Compensation en temps réel basée sur le Stochastic Matching Égalisation par histogrammes Notre contribution à la compensation du bruit non stationnaire Introduction Compensation temps réel fondée sur le Stochastic Matching Détection de changement d environnement Méthodes de surveillance Comparaison des approches de surveillance Masquage du bruit Conclusion et perspectives Vers la reconnaissance robuste au locuteur Introduction La reconnaissance robuste au locuteur Modèles dépendant du locuteur Modèles indépendant du locuteur Adaptation au locuteur Adaptation basée sur la classification des locuteurs d apprentissage Notre contribution à la reconnaissance robuste au locuteur Reconnaissance de la parole des locuteurs non natifs

5 iii 6.5 Notre contribution à la reconnaissance de la parole des locuteurs non natifs Conclusion et perspectives Cas réel : un système de transcription d émissions radiophoniques Introduction La transcription d émissions radiophoniques ESTER Une campagne d évaluation La campagne d évaluation ESTER Le corpus ESTER Le système ANTS du LORIA Le module de segmentation en événements sonores Le module de reconnaissance Mise en œuvre du système Apprentissage des modèles acoustiques Apprentissage des modèles de langage Validation du système Résultats expérimentaux Conclusion et perspectives Conclusion et perspectives Conclusion Perspectives Perspectives en reconnaissance de la parole Perspectives en reconnaissance robuste de la parole Annexe Corpus VODIS Corpus Aurora Corpus HIWIRE Le modèle acoustique utilisé dans notre travail F-mesure Bibliographie 101

6

7 Table des figures 4.1 Processus de génération des observations Exemple des modèles Histogrammes des durées des observations réelles du phonème anglais /ae/ et de celles générées par son modèle HMM à un état. Le corpus d apprentissage est TIMIT Histogrammes des durées des observations réelles du phonème anglais /ae/ et de celles générées par son modèle HMM à trois état. Le corpus d apprentissage est TIMIT Histogramme des durées des observations réelles (en nombre de trames de 10 ms) du phonème anglais /B/ et son approximation par une distribution normale et la distribution Gamma. Le corpus d apprentissage est Wall Street Journal Histogramme du 2-ème coefficient de cepstre d un ensemble de vecteurs d observations associés au deuxième état du HMM et son approximation à l aide d une gaussienne Histogramme du 2-ème coefficient de cepstre d un ensemble de vecteurs d observations associés au deuxième état du HMM et son approximation à l aide du mélange de deux gaussiennes Schéma d apprentissage des paramètres d un HMM en utilisant la méthode de Baum-Welch Exemple de partage des paramètres au niveau d un état entre différents triphones du phonème anglais /ih/ Spectrogrammes du morceau de phrase «Six cent cinquante-huit», prononcé par un homme dans l habitacle d une voiture en mouvement (parole bruitée) (a) - Spectrogramme du morceau de phrase «Il ne fallait pas que le vote sur la Turquie...», prononcée par une femme dans un environnement calme (parole propre). (b) - Spectrogramme du morceau de phrase «C est occasionnel, les vacances...», prononcé par une femme au téléphone Spectrogramme de la partie de phrase «France Info à Amiens», prononcée par une femme sur fond musical Distribution de δ pour la deuxième dimension cepstrale pour la parole propre (close-talk) et bruitée (far-talk) Exemples de spectrogrammes de phrases de test VODIS artificiellement corrompues par les bruits de façon échelon et aléatoire Réduction du taux d erreur en mots pour l épreuve échelon en fonction de l approche de surveillance utilisée : sans approche de surveillance (biais, Shewart, BIC et SVF. Le corpus VODIS v

8 vi Table des figures 5.7 Réduction du taux d erreur en mot pour l épreuve aléatoire en fonction de l approche de surveillance utilisée : sans approche de surveillance (biais, Shewart, BIC et SVF. Le corpus VODIS Modèle de phonèmes et modèle de masques Schéma général de l adaptation des modèles acoustiques Schéma général d un algorithme génétique Schéma d extraction de règles de confusion de phonèmes Structure de HMM modifié pour la diphtongue anglaise /t / Architecture du système ANTS du LORIA Exemple de segmentation parole/musique. Le corpus ESTER, système ANTS Topologie utilisée du HMM

9 Avant-propos Ce document est constitué de deux parties indépendantes : le dossier de présentation et la synthèse de travaux de recherche. La première partie contient une présentation de mes activités : un bref curriculum vitæ, le résumé de mes travaux de recherche et de mes encadrements suivi par la liste de publications. La deuxième partie est consacrée à la description plus détaillée des domaines dans lesquels se situent mes travaux de recherche ainsi qu à la présentation de contributions dans ce domaine. 1

10

11 Chapitre 1 Introduction La reconnaissance automatique de la parole est le processus par lequel un ordinateur transforme un signal acoustique de parole en texte ou en action. Plusieurs problèmes font de la reconnaissance automatique de la parole un domaine difficile et résolu de façon seulement partielle à l heure actuelle : Le signal de parole présente différents types de variabilité : variabilité intra-locuteur due au mode d élocution, variabilité inter-locuteur due aux différences entre locuteurs, variabilité due au moyen d acquisition du signal (type de microphone), de transmission du signal ou aux différences entre environnements acoustiques (présence de bruits, etc.). Chaque son élémentaire ou phonème peut être modifié par son contexte : le phonème qui le précède et celui qui lui succède. Il est difficile de déterminer combien de mots sont présents dans la phrase et où se trouvent les frontières entre eux. Il est nécessaire de traiter une grande quantité de données ce qui entraîne une grande complexité des calculs ou bien l utilisation d algorithmes de traitements sélectifs. Ces problèmes font de la reconnaissance automatique de la parole un domaine particulier, utilisant des méthodes informatiques spécifiques et un formalisme mathématique adapté. Ce domaine est étroitement lié à ceux du traitement du signal, de l intelligence artificielle (IA) et de la reconnaissance de formes. Selon [Zavaliagkos, 1995], les spécificités de la reconnaissance de la parole par rapport au problème de reconnaissance des formes en général sont les suivantes : La forme à reconnaître est un signal temporel. Plutôt que de reconnaître un événement isolé, il faut reconnaître une séquence d événements dont chacun est de durée inconnue. Il faut intégrer différentes sources de connaissances, à des niveaux différents (lexical, syntaxique, etc.) 1.1 Des systèmes à base de connaissances vers l approche stochastique La naissance de la reconnaissance automatique de la parole comme domaine scientifique remonte aux années cinquante. A cette époque, les premiers systèmes de reconnaissance étaient très rudimentaires et reconnaissaient juste quelques sons prononcés de façon isolée. Ils utilisaient les moyens de l électronique analogique de l époque et se fondaient sur le traitement du signal exclusivement. 3

12 4 Chapitre 1. Introduction L apparition des premiers ordinateurs dans les années soixante a permis de numériser le signal, d automatiser le processus de reconnaissance et de traiter des problèmes plus complexes : plus grand nombre de sons ou des mots à reconnaître, plus grand nombre de locuteurs pris en compte, etc. A cette époque l approche expert et à base de connaissances de l IA sont largement utilisées. Dans les années quatre-vingts, après un passage par la programmation dynamique, l utilisation de l approche stochastique devient de plus en plus prépondérante dans la reconnaissance. Cela est motivé en grande partie par la possibilité d automatiser complètement le processus de reconnaissance. De plus l approche probabiliste est bien formalisée et justifiée mathématiquement (différentes méthodes d apprentissage de modèles, preuves de convergence, etc.). Cette approche a été utilisée tant au niveau acoustique qu au niveau de la modélisation du langage. Malgré une charge de calcul importante, elle a permis de passer à la reconnaissance de la parole continue, c est-à-dire à la parole prononcée sans pauses entre des mots. Cette approche actuellement est le plus utilisée. Le passage de l approche à base de connaissances vers l approche stochastique a été effectuée de façon assez radicale : les systèmes experts ont été remplacés par des modèles stochastiques à tous les niveaux du processus de reconnaissance. Bien évidemment, l expérience et certaines connaissances de l approche expert ont servi à mettre au point les systèmes probabilistes. Mais l idée de connaissances a été remplacée par les modèles probabilistes. A l heure actuelle, l approche probabiliste est considérée comme mûre et ces dernières années n ont pas vu d avancées significatives dans ce domaine. Les principaux progrès de ces dernières années peuvent être classés en trois catégories : La modélisation est devenue très détaillée au niveau acoustique et au niveau du modèle de langage. Une quantité importante de logiciels «libres» sont disponibles pour mettre facilement en place les mélanges de gaussiennes pour les modèles acoustiques et les n- grammes pour les modèles de langage. De plus des bases de données de plus en plus volumineuses sont disponibles pour apprendre ces modèles. La modélisation est devenue adaptative. Différentes méthodes d adaptation au bruit et au locuteur ont été proposées récemment. Ces méthodes sont efficaces même pour l adaptation incrémentale et avec une petite quantité de données d adaptation. La modélisation discriminante est souvent utilisée. Pour apprendre les modèles, différentes méthodes d apprentissage de paramètres sont disponibles. Elles permettent d améliorer la séparabilité entre les modèles et donc d augmenter la performance de la reconnaissance. Actuellement, les meilleurs systèmes de reconnaissance sont capables de reconnaître la parole radiophonique et télévisée avec un taux d erreur de l ordre de 10% [Nguyen et al., 2004], [Galliano et al., 2005]. Ce type d application est difficile puisqu il s agit d un très grand vocabulaire (plusieurs centaines de milliers de mots), de phrases qui ne sont pas toujours grammaticalement correctes et de paroles prononcées parfois sur fond musical, avec des bruits ou par téléphone. Comme dit précédemment, l approche probabiliste est suffisamment universelle dans le sens où avec un mélange de lois gaussiennes il est possible de modéliser beaucoup de phénomènes. En revanche, en modélisant la parole comme une boîte noire probabiliste avec des paramètres qui sont appris complètement automatiquement, il est difficile de voir ce qui est appris en réalité et de vérifier si les paramètres appris sont vraiment représentatifs du signal modélisé. On arrive au moment où le potentiel des modèles stochastiques commence à atteindre ses limites et il est temps d introduire des connaissances dans les systèmes de reconnaissance. Ces connaissances

13 1.2. A propos de ce document 5 peuvent concerner tous les niveaux de la modélisation : l analyse du signal, sa modélisation, la représentation du modèle de langage, etc. La conférence ICSLP de 2004 en témoigne : Chin-Hui Lee, du Georgia Institut of Technology, chercheur invité de la conférence, propose de «revenir» vers l approche à base de connaissances en introduisant différents types de connaissances dans les systèmes de reconnaissance actuels [Lee, 2004]. L équipe Parole du LORIA travaille en reconnaissance de la parole depuis plusieurs dizaines d années (en constituant la partie de l équipe RFIA jusqu à 1998). En commençant par l approche expert, l équipe est passée à l approche stochastique vers 1986 grâce à Jean-François Mari, chercheur de l équipe à l époque. Le travail des chercheurs et plusieurs thèses ont permis de mettre en place différents outils de reconnaissance. L idée de l utilisation de connaissances pourrait être intéressante pour nous mais pour l instant elle n est pas encore suffisamment aboutie. Nous en reparlerons à la fin de ce document en décrivant nos perspectives, le but de cette «introduction» étant juste de décrire l évolution de la reconnaissance automatique de la parole. 1.2 A propos de ce document L objectif de ce document est de présenter mes travaux de recherches effectués au cours des sept dernières années, c est-à-dire depuis ma nomination à un poste de maître de conférences en informatique. Ceux-ci portent sur la modélisation acoustique en utilisant l approche stochastique dans le cadre de la reconnaissance automatique de la parole. Mes travaux peuvent se résumer essentiellement à l étude de trois domaines de recherches complémentaires : Reconnaissance robuste en présence de bruits de fond ; Reconnaissance robuste quand le système de reconnaissance est utilisé par différents locuteurs ; Utilisation du système de reconnaissance dans les cas réels, par exemple, la transcription de documents sonores et plus particulièrement d émissions radiophoniques de bulletins d information. Le document est organisé de la façon suivante : Partie 1 : Ce chapitre 1 est une brève description de l évolution des travaux en reconnaissance de la parole. Chapitres 2 et 3 sont consacrés à la présentation de mon parcours personnel et au bref résumé de mes travaux de recherches. Mon implication dans les projets sera également décrite. Partie 2 donne une description de manière plus détaillée de mes recherches : Chapitre 4 : Nous introduisons quelques notions et notations concernant la modélisation acoustique de la parole. Ces notions sont utiles pour la compréhension de la suite de ce document. Chapitre 5 : Nous présentons la problématique de la reconnaissance robuste au bruit. Puis nous développons nos contributions dans les deux domaines principaux de la reconnaissance robuste : la robustesse au bruit stationnaire et la robustesse au bruit non stationnaire. Chapitre 6 : Nous étudions le problème de la robustesse au locuteur. Les cas des locuteurs natifs et des locuteurs non natifs sont étudiés de façons distinctes, car ils demandent une utilisation de méthodes différentes. Nous nous sommes focalisés sur le niveau acoustique de la modélisation.

14 6 Chapitre 1. Introduction Chapitre 7 : Nous décrivons un cas réel d utilisation d un système de reconnaissance : la transcription d émissions radiophoniques de bulletins d information en français. Le développement de différents modules comme le module de segmentation parole/musique, la segmentation parole téléphonique et non téléphonique, le moteur de reconnaissance, etc. sont décrits du point de vue des problèmes rencontrés et des choix effectués. À la fin de ce document, je pose le bilan et discute les perspectives.

15 Première partie Dossier de présentation 7

16

17 Chapitre 2 Curriculum Vitæ Situation actuelle Depuis septembre 2004 : En détachement INRIA, équipe Parole LORIA et INRIA - Lorraine Campus Scientifique - BP Vandœuvre-lès-Nancy cedex tél : http ://www.loria.fr/illina Études et diplômes 1983 : Baccalauréat à Kazan, Russie, mention excellent : Diplôme d ingénieur de l Université de Kazan, Russie. Spécialité Informatique Appliquée à la Gestion de la Production, mention excellent : DEA d informatique de l Université Henri Poincaré Nancy 1, mention assez bien. Titre : «Ordonnancement stochastique : processus de décision markovien et indices de Gittins» Responsables : René Schott, professeur à l Université Henri Poincaré Nancy 1 ; Marie-Claude Portmann, professeur à l École des Mines de Nancy : Doctorat de l Université Henri Poincaré Nancy 1, mention très honorable avec félicitations Titre : «Extension du modèle stochastique des mélanges de trajectoires pour la reconnaissance automatique de la parole continue». Laboratoire : Centre de recherche en informatique de Nancy et INRIA-Lorraine (actuellement unité mixte LORIA). Boursière de l équipe RFIA. Thèse soutenue le 23 octobre 1997 devant le jury suivant : Président et rapporteur interne : René Schott, professeur à l Université Henri Poincaré Nancy 1 ; Rapporteurs : Régine André-Obrecht, chargée de recherche CNRS, IRIT, Toulouse ; 9

18 10 Chapitre 2. Curriculum Vitæ Jean-Pierre Martens, professeur à l Université de Gent, Belgique ; Examinateur : Mohamed Afify, chercheur invité, LORIA, Nancy ; Directeurs de recherches : Jean-Paul Haton, professeur à l Université Henri Poincaré Nancy 1 ; Yifan Gong, chargé de recherche CNRS : Recherche post-doctorale (bourse INRIA) à Carnegie Mellon University Robust Recognition, Computer Science Department, Pittsburgh, USA. 2.2 Fonctions : Enseignante à plein temps en Informatique Appliquée à la Gestion de la Production et Mathématiques Appliquées à l Université de Kazan, Russie. Novembre 1995 : Séjour à l Université de Gent, Belgique, collaboration dans le cadre du projet européen COST 249 (1 mois). depuis 1998 : Maître de conférences, Département Informatique, IUT Charlemagne, Université Nancy : En détachement INRIA, équipe Parole. 2.3 Recherche Mots-clés reconnaissance de la parole continue, modélisation acoustique, approche stochastique, reconnaissance robuste aux bruits, reconnaissance robuste au locuteur, reconnaissance avec des données manquantes, segmentation, indexation de documents sonores, transcription d émissions radiophoniques. Axes de recherche La reconnaissance robuste au bruit et la reconnaissance robuste au locuteur Les systèmes de reconnaissance automatique de la parole commercialisés actuellement ne donnent pas des performances satisfaisantes lorsque les conditions d utilisation sont «difficiles» : présence d un fort bruit ambiant, musique, locuteur étranger, etc. Ce manque de performance est principalement dû à la différence entre les conditions d apprentissage du système et les conditions réelles d utilisation. Le problème est donc le suivant : étant donné un système de reconnaissance entraîné à partir de signaux de parole propre, quelles méthodes et techniques utiliser pour que le système reconnaisse correctement la parole prononcée en environnement réel, a priori inconnu. Mes travaux portent sur la recherche et le développement de différentes méthodes de transformations au niveau acoustique pour rapprocher l espace d apprentissage et l espace de test. Ces transformations peuvent être effectuées dans l espace d apprentissage ainsi que dans l espace de test. Ces travaux nous ouvrent des perspectives de recherche dans le

19 2.3. Recherche 11 domaine de la reconnaissance d émissions radiophoniques, dans le domaine de la recherche d information dans des documents radiophoniques, dans le domaine de transcription des réunions de travail, etc. Cas réel : la transcription de documents sonores Pour pouvoir accéder aux différentes informations disponibles sur l Internet, la radio, la télévision, il est nécessaire d avoir des logiciels de transcription, de recherche et d indexation de documents audio. La difficulté de ce domaine est que la parole n est pas supposée être grammaticalement correcte, peut contenir un vocabulaire étendu, provenir de différents locuteurs, appartenir à plusieurs dialectes, être prononcée par des locuteurs non natifs, être enregistrée avec différents microphones, avec différents fonds sonores (musique, bruits, etc.). Ce domaine ouvre différentes directions de recherche comme la segmentation du signal en parole et en musique, la détection de la parole téléphonique, l identification du locuteur, la robustesse aux bruits et aux locuteurs, etc. Mes recherches portent sur le développement d un système complet de transcription. Encadrements Encadrement de plusieurs stages de maîtrise d Informatique et d IUT d Informatique (au total entre 5 et 7) Encadrement du stage de DEA de Djamel Mostefa sur le sujet «Adaptation aux conditions de test pour le modèle stochastique des mélanges de trajectoires» Encadrement d un stage de DESS «Ingénierie du Logiciel» sur le sujet «Optimisation de l apprentissage des modèles de Markov» Co-encadrement 1 avec Jean-Paul Haton, professeur à l Université Henri Poincaré Nancy 1 et Dominique Fohr, chargé de recherche CNRS, de la thèse de Fabrice Lauri sur le sujet «Adaptation au locuteur des modèles acoustiques markoviens pour la reconnaissance automatique de la parole», soutenue le 11 octobre Co-encadrement avec Jean-Paul Haton, professeur à l Université Henri Poincaré Nancy 1, de la thèse de Vincent Barreaud sur le sujet «Reconnaissance automatique de la parole continue : compensation des bruits par transformation de la parole», soutenue le 9 novembre depuis 2003 Co-encadrement avec Jean-Paul Haton, professeur à l Université Henri Poincaré Nancy 1, de la thèse d Emmanuel Didiot sur le sujet «Détection des mots clés dans les émissions radiophoniques». depuis 2004 Co-encadrement avec Jean-Paul Haton, professeur à l Université Henri Poincaré Nancy 1 et Dominique Fohr, chargé de recherche CNRS de la thèse de Ghazi Bouselmi sur le sujet «Reconnaissance de la parole des locuteurs non natifs». Gestion de la recherche et projets : Participation au contrat avec l entreprise SEXTANT sur le sujet «Reconnaissance des commandes dans un cockpit d avion» : Participation au projet STIC-SHS du CNRS «RAIVES» (Recherche Automatique d Informations Verbales Et Sonores). 1 Cet encadrement bien que non officiel s effectue de très près à travers les réunions et les discussions que nous faisons toujours à quatre avec le thésard. Les publications en témoignent.

20 12 Chapitre 2. Curriculum Vitæ depuis 2003 : Participation à la campagne d évaluation ESTER (évaluation des performances des systèmes de transcription d émissions radiophoniques) dans le cadre du projet EVALDA-Technolangue. depuis 2003 : Prise en charge d une partie importante de la rédaction de la proposition STREP (Special Targeted Research Project) HIWIRE (Human Inputs That Work In Real Environment) dans le cadre du 6-ème PCRD/IST. Responsable de ce projet au LORIA. Pour plus de détails voir la section 3.5. Rayonnement scientifique Relecture occasionnelle de plusieurs articles pour les journaux «Speech Communication» et «IEEE Transaction on Speech and Audio Processing» Membre de jury de thèse de Vincent Barreaud (LORIA, Nancy). depuis 2005 Membre élue du bureau de l Association Francophone de la Communication Parlée (AFCP), secrétaire de l association. depuis 2005 Membre élue de la Commission d Evaluation de l INRIA. 2.4 Enseignement Université de Kazan, Russie : 4 ans d enseignement de l informatique (TD et TP) à plein temps département d Informatique Appliquée à la Gestion de la Production et département de Mathématiques Appliquées. Matières enseignées : algorithmique, programmation en C, bases de données, programmation linéaire et non linéaire, théorie des jeux, modélisation de problèmes économiques, suivi des stages, projets en groupe Bibliothèque Universitaire de Nancy 1 : 12 heures de cours de programmation en C. 1995, 1996 École des Mines de Nancy (INPL) : 30 heures de TD et TP de Pascal (1 ère année), 30 heures de TD de recherche opérationnelle (2 ème année) ; département d Informatique, IUT Charlemagne, Université Nancy 2. En moyenne 250 heures d enseignement par an (TD et TP, IUT) : algorithmique et programmation, structures de données, programmation en C, programmation en Java, systèmes d exploitation, compilation, architecture d ordinateurs, suivi des stages et de projets tutorés département d Informatique, IUT Charlemagne, Université Nancy heures de TD et TP de programmation en C.

21 2.5. Liste des publications 13 Responsabilités pédagogiques Responsable de différents cours au département d Informatique Appliquée à la Gestion de la Production et au département de Mathématiques Appliquées, Université de Kazan, Russie Responsable du module algorithmique et programmation Président d un jury de baccalauréat Responsable du module de programmation en C. Responsabilités administratives Participation à la sélection des dossiers pour l admission à l IUT Charlemagne Participation à l organisation de Journées d Etude sur la Parole, JEP Production des actes de la conférence. 2.5 Liste des publications Thèse et DEA 1. Illina I. Ordonnancement stochastique : processus de décision markovien et indices de Gittins. Memoire de DEA d informatique, Université Henri Poincaré Nancy I, Illina I. Extension du modèle stochastique des mélanges de trajectoires pour la reconnaissance automatique de la parole continue. Thèse de doctorat, Université Henri Poincaré, Nancy I, Journaux internationaux avec comité de sélection 3. Verhasselt J., Illina I., Martens J.-P. Y. Gong et Haton J.-P. Assessing the Importance of the Segmentation Probability in Segment-Based Speech Recognition. Journal Speech Communication, 24(1), p , Illina I., Afify M. et Gong Y. Environment Normalisation Training and Environment Adaptation using Mixture Stochastic Trajectory Model. Journal Speech Communication, 26(4), p , Chassaing P., Illina I., Portmann M.-C. et Schott R. On a Stochastic Maintenance Problem with Multiple Constraints. Journal Applied Stochastic Models and Data Analysis, Colloques internationaux avec actes et comité de sélection 6. Illina I. et Gong Y. Stochastic Trajectory Model with State-Mixture for Continuous Speech Recognition. Dans Proceedings of International Conference on Spoken Language Processing, ICSLP 96, vol. 1, pp , octobre Illina I. et Gong Y. Improvement in N-best Search for Continuous Speech Recognition. Dans Proceedings of International Conference on Spoken Language Processing, ICSLP 96, vol. 4, pp , octobre Gong Y. et Illina I. Modeling Long Term Variability Information in Mixture Stochastic Trajectory Framework. Dans Proceedings of International Conference on Spoken Language Processing, ICSLP 96, vol. 1, pp , octobre 1996.

Reconnaissance vocale

Reconnaissance vocale Reconnaissance vocale Définition : La reconnaissance vocale ou (Automatic Speech Recognition ASR) est une technologie de transcription d'un système «phonatoire organique»exploitable par une machine. La

Plus en détail

XXIVèmes Journées d Étude sur la Parole, Nancy, 24-27 juin 2002297 297 2. CONDITIONS EXPÉRIMENTALES

XXIVèmes Journées d Étude sur la Parole, Nancy, 24-27 juin 2002297 297 2. CONDITIONS EXPÉRIMENTALES Reconnaissance de la parole pour des locuteurs non natifs en présence de bruit D. Fohr 1, O. Mella 1, I. Illina 1, F. Lauri 1, C. Cerisara 1, C. Antoine 2 (1) LORIA, 615 rue du jardin botanique 54602 Villers-lès-Nancy,

Plus en détail

Plan d Evaluation (phase 1) Version 1.1

Plan d Evaluation (phase 1) Version 1.1 Evaluation des Systèmes de Transcription enrichie d Emissions Radiophoniques (ESTER) Plan d Evaluation (phase 1) Version 1.1 Dernière mise à jour le 21 novembre 2003. 1 Préambule Ce document décrit le

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

Meeting Room : An Interactive Systems Laboratories Project

Meeting Room : An Interactive Systems Laboratories Project Travail de Séminaire DIVA Research Group University of Fribourg Etude de Projets Actuels sur l enregistrement et l analyse de Réunions Meeting Room : An Interactive Systems Laboratories Project Canergie

Plus en détail

MODELE D UN RAPPORT DE STAGE DE BAC PRO ELECTROTECHNIQUE

MODELE D UN RAPPORT DE STAGE DE BAC PRO ELECTROTECHNIQUE MODELE D UN RAPPORT DE STAGE DE BAC PRO ELECTROTECHNIQUE [Prénom Nom] Rapport sur le stage effectué du [date] au [date] Dans la Société : [NOM DE LA SOCIETE : Logo de la société] à [Ville] [Intitulé du

Plus en détail

Master IAD Module PS. IV. Reconnaissance de la parole. Gaël RICHARD Février 2008

Master IAD Module PS. IV. Reconnaissance de la parole. Gaël RICHARD Février 2008 Master IAD Module PS IV. Reconnaissance de la parole Gaël RICHARD Février 2008 1 Contenu Introduction aux technologies vocales Production et Perception de la parole Modélisation articulatoire Synthèse

Plus en détail

MATHEMATIQUES ET SCIENCES POUR L INGENIEUR

MATHEMATIQUES ET SCIENCES POUR L INGENIEUR MASTER SCIENCES, TECHNOLOGIES, SANTE / STAPS MATHEMATIQUES ET SCIENCES POUR L INGENIEUR Spécialité Ingénierie Numérique, Signal-Image et Informatique Industrielle (INS3I) www.univ-littoral.fr OBJECTIFS

Plus en détail

Curriculum Vitae détaillé

Curriculum Vitae détaillé Cécile LOUCHET Née le 14 / 11 / 1981 à Paris 14e Nationalité Française 1 Coordonnées 1.1 Professionnelles Laboratoire MAP5 UFR Mathématiques Informatique Université Paris Descartes 45 rue des Saints-Pères

Plus en détail

Sources d information : lexicale. Sources d information : phonotactique. Sources d information : prosodie (2/3) Sources d information : prosodie (1/3)

Sources d information : lexicale. Sources d information : phonotactique. Sources d information : prosodie (2/3) Sources d information : prosodie (1/3) Organisation de la présentation Reconnaissance automatique des langues RMITS 28 http://www.irit.fr/~jerome.farinas/rmits28/ Jérôme Farinas jerome.farinas@irit.fr Équipe SAMOVA (Structuration, Analyse et

Plus en détail

Laboratoire 4 Développement d un système intelligent

Laboratoire 4 Développement d un système intelligent DÉPARTEMENT DE GÉNIE LOGICIEL ET DES TI LOG770 - SYSTÈMES INTELLIGENTS ÉTÉ 2012 Laboratoire 4 Développement d un système intelligent 1 Introduction Ce quatrième et dernier laboratoire porte sur le développement

Plus en détail

Rapport : Base de données. Anthony Larcher 1

Rapport : Base de données. Anthony Larcher 1 Rapport : Base de données Anthony Larcher 1 1 : Laboratoire d Informatique d Avignon - Université d Avignon Tél : +33 (0) 4 90 84 35 55 - Fax : + 33 (0) 4 90 84 35 01 anthony.larcher@univ-avignon.fr 14

Plus en détail

Modélisation aléatoire en fiabilité des logiciels

Modélisation aléatoire en fiabilité des logiciels collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.

Plus en détail

Modélisation aléatoire en fiabilité des logiciels

Modélisation aléatoire en fiabilité des logiciels collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.

Plus en détail

Rapport de Monitorat. Élise Prieur

Rapport de Monitorat. Élise Prieur Rapport de Monitorat Élise Prieur 2003-2006 Table des matières 1 Introduction 2 2 Présentation générale 2 3 Expérience antérieure 2 4 Enseignement de moniteur 3 4.1 Activités d enseignement.....................

Plus en détail

Apprentissage Automatique

Apprentissage Automatique Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs

Plus en détail

Ingénieur - Chercheur. Mots clés : Statistiques, Programmation Scientifique / Web, SAS. Abdelhamid ZAÏDI

Ingénieur - Chercheur. Mots clés : Statistiques, Programmation Scientifique / Web, SAS. Abdelhamid ZAÏDI Ingénieur - Chercheur Mots clés : Statistiques, Programmation Scientifique / Web, SAS Abdelhamid ZAÏDI RENSEIGNEMENTS INDIVIDUELS Abdelhamid ZAÏDI Né le 20 septembre 1972 Nationalité Française Célibataire

Plus en détail

Apprentissage par renforcement pour la personnalisation d un logiciel d enseignement des langues

Apprentissage par renforcement pour la personnalisation d un logiciel d enseignement des langues 1 Apprentissage par renforcement pour la personnalisation d un logiciel d enseignement des langues Conférence EIAH 2011 (Environnements Informatiques pour l Apprentissage Humain) Lucie Daubigney *, Matthieu

Plus en détail

L efficacité de PowerPoint dans les cours de grammaire

L efficacité de PowerPoint dans les cours de grammaire Rencontres Pédagogiques du Kansaï 2007 Thème 2 L efficacité de PowerPoint dans les cours de grammaire Seïtaro YAMAKAWA Université d Economie d Osaka bpr5000?saturn.dti.ne.jp De nos jours, dans beaucoup

Plus en détail

Création d un module complet de sondage en ligne

Création d un module complet de sondage en ligne Sté KOTAO StillinContact.com 6 Avenue du Tregor 190 PLERIN Création d un module complet de sondage en ligne Mini Rapport de stage TANGUY Arnaud Département Informatique I.U.T de Lannion 6 Juin 005 INTRODUCTION

Plus en détail

1. Les risques individuels (corporates et institutions financières)

1. Les risques individuels (corporates et institutions financières) Gestion des Risques Nos métiers par activité La Gestion des Risques consiste principalement à maîtriser et à contrôler l ensemble des risques de Crédit Agricole CIB afin de minimiser le coût du risque

Plus en détail

Projet parole. Analyse, Perception et Reconnaissance de la parole. apport ctivité. Lorraine

Projet parole. Analyse, Perception et Reconnaissance de la parole. apport ctivité. Lorraine INSTITUT NATIONAL DE RECHERCHE EN INFORMATIQUE ET EN AUTOMATIQUE Projet parole Analyse, Perception et Reconnaissance de la parole Lorraine THÈME 3A apport d' ctivité 2002 Table des matières 1. Composition

Plus en détail

Avant-propos. 1. Institut national de recherche en informatique et en automatique.

Avant-propos. 1. Institut national de recherche en informatique et en automatique. Avant-propos J ai découvert, un jour de 1986, l ouvrage de G. Fishman [FIS 73] sur la simulation au centre de documentation de l INRIA 1 à Rocquencourt. J ai été aussitôt attiré par ce procédé numérique

Plus en détail

Mises en relief. Information supplémentaire relative au sujet traité. Souligne un point important à ne pas négliger.

Mises en relief. Information supplémentaire relative au sujet traité. Souligne un point important à ne pas négliger. Cet ouvrage est fondé sur les notes d un cours dispensé pendant quelques années à l Institut universitaire de technologie de Grenoble 2, au sein du Département statistique et informatique décisionnelle

Plus en détail

Livret du Stagiaire en Informatique

Livret du Stagiaire en Informatique Université François-Rabelais de Tours Campus de Blois UFR Sciences et Techniques Département Informatique Livret du Stagiaire en Informatique Licence 3ème année Master 2ème année Année 2006-2007 Responsable

Plus en détail

Table des matières. Introduction

Table des matières. Introduction Table des matières Introduction A la suite de l obtention de mon baccalauréat économique et social mention assez bien, je me suis dirigée vers la formation Gestion des Entreprises et des Administrations

Plus en détail

Présentation synthétique de la licence Economie Gestion de l université d Orléans à destinations des enseignants en SES de l académie Orléans-Tours

Présentation synthétique de la licence Economie Gestion de l université d Orléans à destinations des enseignants en SES de l académie Orléans-Tours Présentation synthétique de la licence Economie Gestion de l université d Orléans à destinations des enseignants en SES de l académie Orléans-Tours La présentation est un peu rapide si, vous qui me lisez,

Plus en détail

Motivation : pourquoi exploration de données? Nous nous noyons dans les données, mais manquons cruellement de connaissances

Motivation : pourquoi exploration de données? Nous nous noyons dans les données, mais manquons cruellement de connaissances 1 Introduction Définition et motivations Tâches de data mining (fouille de données, exploration de données) Techniques et algorithmes Exemples et applications 1 Motivation : pourquoi exploration de données?

Plus en détail

Modélisation du comportement habituel de la personne en smarthome

Modélisation du comportement habituel de la personne en smarthome Modélisation du comportement habituel de la personne en smarthome Arnaud Paris, Selma Arbaoui, Nathalie Cislo, Adnen El-Amraoui, Nacim Ramdani Université d Orléans, INSA-CVL, Laboratoire PRISME 26 mai

Plus en détail

Génération d une visualisation personnalisée

Génération d une visualisation personnalisée Génération d une visualisation personnalisée Mohamed Mouine RALI-DIRO Université de montréal mouinemo@iro.umontreal.ca Résumé. Nous présentons une méthode permettant de calculer les besoins et les préférences

Plus en détail

et la communication dans les Guide et mallette pédagogique Les savoirs de base pour l emploi

et la communication dans les Guide et mallette pédagogique Les savoirs de base pour l emploi Les compétences de base et la communication dans les Secteurs du Tourisme et des Loisirs Document de présentation Guide et mallette pédagogique Les savoirs de base pour l emploi Formation aux savoirs de

Plus en détail

Rapport d évaluation des masters réservés aux établissements habilités à délivrer le titre d'ingénieur diplômé

Rapport d évaluation des masters réservés aux établissements habilités à délivrer le titre d'ingénieur diplômé Section des Formations et des diplômes Rapport d évaluation des masters réservés aux établissements habilités à délivrer le titre d'ingénieur diplômé Grenoble INP ENSE Campagne d évaluation 2013-2014 Section

Plus en détail

Licence professionnelle Développement d applications intranet-internet

Licence professionnelle Développement d applications intranet-internet Formations et diplômes Rapport d'évaluation Licence professionnelle Développement d applications intranet-internet Université Toulouse 1- Capitole- UT1 Campagne d évaluation 2014-2015 (Vague A) Formations

Plus en détail

Références. Compter les mots. Le langage comme donnée. Communication Langagière Ingénierie des langues et de la parole

Références. Compter les mots. Le langage comme donnée. Communication Langagière Ingénierie des langues et de la parole Communication Langagière Ingénierie des langues et de la parole 1. Introduction générale 2. Ingénierie des langues 2.1 Représentation et codage des textes 2.2 Théorie de l information et probabilités 2.3

Plus en détail

Ekaterina VOLTCHKOVA

Ekaterina VOLTCHKOVA Ekaterina VOLTCHKOVA Nationalité française/russe, 28 ans, mariée Adresse : 19 rue des Bolets, 31650 St Orens de Gameville, France Tél. : +33.5.61.12.85.67 E-mail : ekaterina.voltchkova@univ-tlse1.fr Page

Plus en détail

MASTER INFORMATIQUE. Sujets de stages de recherche. Notes de cours. Document édité par Dominique Méry. 29 octobre 2007

MASTER INFORMATIQUE. Sujets de stages de recherche. Notes de cours. Document édité par Dominique Méry. 29 octobre 2007 MASTER INFORMATIQUE Sujets de stages de recherche Notes de cours 29 octobre 2007 Document édité par Dominique Méry Université Henri Poincaré Nancy 1 Université Nancy 2 INPL email: mery@loria.fr année universitaire

Plus en détail

Activités d encadrement et de recherche - Membre du projet PREMIA (1999-2003), logiciel d évaluation d options

Activités d encadrement et de recherche - Membre du projet PREMIA (1999-2003), logiciel d évaluation d options Stéphane VILLENEUVE Né le 25 Février 1971 Marié, 2 enfants GREMAQ Université des Sciences Sociales Manufacture des Tabacs 21 allée de Brienne 31000 TOULOUSE Tél: 05-61-12-85-67 e-mail: stephane.villeneuve@univ-tlse1.fr

Plus en détail

USAIN BOLT. Table des matières. Tâche complexe produite par l académie de Clermont-Ferrand. Juin 2012. Fiche professeur... 2. Fiche élève 1...

USAIN BOLT. Table des matières. Tâche complexe produite par l académie de Clermont-Ferrand. Juin 2012. Fiche professeur... 2. Fiche élève 1... USAIN BOLT Table des matières Fiche professeur... 2 Fiche élève 1... 5 Fiche élève 2... 6 Narration de séances et productions d élèves... 7 1 Fiche professeur USAIN BOLT Niveaux et objectifs pédagogiques

Plus en détail

Marie-Claude L Homme Université de Montréal

Marie-Claude L Homme Université de Montréal Évaluation de logiciels d extraction de terminologie : examen de quelques critères Plan Marie-Claude L Homme Université de Montréal Unités recherchées et problèmes de base Catégories de critères Critères

Plus en détail

Master Droit et gestion

Master Droit et gestion Formations et diplômes Rapport d'évaluation Master Droit et gestion Université Toulouse 1 Capitole UT1 Campagne d évaluation 2014-2015 (Vague A) Formations et diplômes Pour le HCERES, 1 Didier Houssin,

Plus en détail

MATHEMATIQUES ET SCIENCES POUR L INGENIEUR

MATHEMATIQUES ET SCIENCES POUR L INGENIEUR MASTER SCIENCES, TECHNOLOGIES, SANTE/STAPS MATHEMATIQUES ET SCIENCES POUR L INGENIEUR Informatique www.univ-littoral.fr OBJECTIFS DE LA FORMATION Le master Informatique se compose de deux parcours et se

Plus en détail

L ANALYSE DU RISQUE DE FAILLITE PAR LE BIAIS DES SYSTÈMES DE L INTELLIGENCE ARTIFICIELLE

L ANALYSE DU RISQUE DE FAILLITE PAR LE BIAIS DES SYSTÈMES DE L INTELLIGENCE ARTIFICIELLE L ANALYSE DU RISQUE DE FAILLITE PAR LE BIAIS DES SYSTÈMES DE L INTELLIGENCE ARTIFICIELLE Paul Pașcu, Assist Prof, PhD, Ștefan cel Mare University of Suceava Abstract: This article aims to present a number

Plus en détail

Expérience de la Coopération Ecole Polytechnique Fédérale de Lausanne Ecole Supérieure Polytechnique d Antsiranana. 1. Cadre 2.

Expérience de la Coopération Ecole Polytechnique Fédérale de Lausanne Ecole Supérieure Polytechnique d Antsiranana. 1. Cadre 2. THEMATIQUE A Titre : Expérience de la Coopération Ecole Polytechnique Fédérale de Lausanne Ecole Supérieure Polytechnique d Antsiranana. Présenté par : Professeur Chrysostôme RAMINOSOA, Directeur de l

Plus en détail

ARTICLE. La réussite des étudiants à l'université du Québec à Chicoutimi passe par le respect de tous et le respect des différences

ARTICLE. La réussite des étudiants à l'université du Québec à Chicoutimi passe par le respect de tous et le respect des différences ARTICLE La réussite des étudiants à l'université du Québec à Chicoutimi passe par le respect de tous et le respect des différences Carole Dion Professeure Département des sciences des sciences de l'éducation

Plus en détail

Master. en sciences et technologies mention mathématiques et applications

Master. en sciences et technologies mention mathématiques et applications Master en sciences et technologies mention mathématiques et applications master mathématiques et applications Contacts Nicolas Lerner lerner@math.jussieu.fr www.master.math.upmc.fr Master sciences et technologies

Plus en détail

Raisonnement probabiliste

Raisonnement probabiliste Plan Raisonnement probabiliste IFT-17587 Concepts avancés pour systèmes intelligents Luc Lamontagne Réseaux bayésiens Inférence dans les réseaux bayésiens Inférence exacte Inférence approximative 1 2 Contexte

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

Quelques conseils pour bien réaliser son année de Master 2 Recherche

Quelques conseils pour bien réaliser son année de Master 2 Recherche http://adstic.free.fr adstic@gmail.com Quelques conseils pour bien réaliser son année de Master 2 Recherche Qu est ce que l Adstic? L Adstic est l association des doctorants du campus sciences et techniques

Plus en détail

Master Finance et Contrôle de Gestion FCG

Master Finance et Contrôle de Gestion FCG Master Finance et Contrôle de Gestion Objectif de la formation Ce Master a pour objectif de former des cadres supérieurs professionnels dans les métiers du contrôle de gestion et de la finance d entreprise,

Plus en détail

I- REGLEMENT DES CONTROLES

I- REGLEMENT DES CONTROLES Département Informatique IUT de Villetaneuse CONTROLE CONTINU DES CONNAISSANCES Proposé au Conseil de Département du 3 octobre 2006 ==============================================================================

Plus en détail

CEA/SACLAY DEPARTEMENT DES TECHNOLOGIES DES SYSTEMES INTELLIGENTS SERVICE ARCHITECTURES ET CONCEPTION

CEA/SACLAY DEPARTEMENT DES TECHNOLOGIES DES SYSTEMES INTELLIGENTS SERVICE ARCHITECTURES ET CONCEPTION Laboratoire Systèmes de Vision Embarqués CEA/SACLAY DEPARTEMENT DES TECHNOLOGIES DES SYSTEMES INTELLIGENTS SERVICE ARCHITECTURES ET CONCEPTION RT LIST DTSI - LSVE CEA/SACLAY 91191 GIF-SUR-YVETTE CEDEX

Plus en détail

sous réserve de validation des modifications DROIT ECONOMIE GESTION SCIENCES DU MANAGEMENT FINANCE

sous réserve de validation des modifications DROIT ECONOMIE GESTION SCIENCES DU MANAGEMENT FINANCE sous réserve de validation des modifications Niveau : MASTER année Domaine : Mention : DROIT ECONOMIE GESTION SCIENCES DU MANAGEMENT M2 Spécialité : FINANCE 120 ES Volume horaire étudiant : 335 h 35 h

Plus en détail

Master Management des ressources humaines

Master Management des ressources humaines Formations et diplômes Rapport d'évaluation Master Management des ressources humaines Université Toulouse 1 Capitole UT1 Campagne d évaluation 2014-2015 (Vague A) Formations et diplômes Pour le HCERES,

Plus en détail

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

Modèles à Événements Discrets. Réseaux de Petri Stochastiques Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés

Plus en détail

1. Recevabilité administrative et scientifique de la demande

1. Recevabilité administrative et scientifique de la demande PROCEDURE DE VALIDATION DES ACQUIS DE L EXPERIENCE pour l obtention d un Doctorat à l Université SHS Lille 3, au sein de l Ecole doctorale SHS Lille Nord de France (adoptée au Conseil Scientifique du10

Plus en détail

Mesures de confiance pour la reconnaissance de la parole dans des applications de dialogue homme-machine

Mesures de confiance pour la reconnaissance de la parole dans des applications de dialogue homme-machine Mesures de confiance la reconnaissance de la parole dans des applications de dialogue homme-machine Christian Raymond LIA-CNRS Agroparc - BP 849 Avignon Cedex 9 France) Tél : +33/0)4 90 84 35 30 ; fax

Plus en détail

ANNEE 2013-2014. Le tableau ci-dessous présente ces unités d'enseignement ainsi que leurs coefficients et leurs volumes horaires respectifs.

ANNEE 2013-2014. Le tableau ci-dessous présente ces unités d'enseignement ainsi que leurs coefficients et leurs volumes horaires respectifs. ANNEE 2013-2014 PLAN DE FORMATION Licence Professionnelle en Alternance AII-SIAM «AUTOMATIQUE ET INFORMATIQUE INDUSTRIELLE» «SYSTEMES INDUSTRIELS AUTOMATISES ET MAINTENANCE» «PARCOURS AUTOMATISMES» 1 OBJECTIFS

Plus en détail

Reconnaissance des formes : Classement d ensembles d objets

Reconnaissance des formes : Classement d ensembles d objets Reconnaissance des formes : Classement d ensembles d objets Données Méthodes Extraction de connaissances Applications Expertise Apprentissage Bernard FERTIL Directeur de Recherche CNRS Équipe LXAO, UMR

Plus en détail

MASTER MENTION INFORMATIQUE SPÉCIALITÉ EXPLORATION INFORMATIQUE DES DONNÉES ET DÉCISIONNEL

MASTER MENTION INFORMATIQUE SPÉCIALITÉ EXPLORATION INFORMATIQUE DES DONNÉES ET DÉCISIONNEL MASTER MENTION INFORMATIQUE SPÉCIALITÉ EXPLORATION INFORMATIQUE DES DONNÉES ET DÉCISIONNEL RÉSUMÉ DE LA FORMATION Type de diplôme : Master (LMD) Domaine : Sciences, Technologies, Santé Mention : Informatique

Plus en détail

Apprentissage de structure dans les réseaux bayésiens pour

Apprentissage de structure dans les réseaux bayésiens pour Apprentissage de structure dans les réseaux bayésiens pour la détection d événements vidéo Siwar Baghdadi 1, Claire-Hélène Demarty 1, Guillaume Gravier 2, et Patrick Gros 3 1 Thomson R&D France, 1 av Belle

Plus en détail

PASI. L ELEVE de 5 ème et L AIDE AUX DEVOIRS DOCUMENT 5

PASI. L ELEVE de 5 ème et L AIDE AUX DEVOIRS DOCUMENT 5 PASI Collège Claude Le Lorrain NANCY L ELEVE de 5 ème et L AIDE AUX DEVOIRS DOCUMENT 5 1. Présentation de l aide aux devoirs pour les 5èmes page 2 2. Enquête menée auprès des élèves de 5 ème page 3 a.

Plus en détail

1 Présentation générale

1 Présentation générale Parcours «Management des processus de production de biens et services» du Master de Sciences de Gestion (M2) - mention «Management Global» de l Université Paris Dauphine 1 Présentation générale 1.1 Objectifs

Plus en détail

Dan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier

Dan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration

Plus en détail

Plus De Cartouches 2013/2014

Plus De Cartouches 2013/2014 Plus De Cartouches 2013/2014 Page 1 SOMMAIRE INTRODUCTION ET PRESENTATION...3 MISSIONS...4 LE CONTEXTE DES MISSIONS...4 LES OBJECTIFS...4 LES CONTRAINTES...5 REALISATIONS...6 CHOIX EFFECTUÉS...6 RÉSULTATS...10

Plus en détail

Mon métier, mon parcours

Mon métier, mon parcours Mon métier, mon parcours Anthony, ingénieur d études diplômé d un Master Réseaux, application documentaire, ingénierie et sécurité Les métiers de l Informatique Le domaine Sciences, Technologies, Santé

Plus en détail

Maître de conférences en Informatique

Maître de conférences en Informatique Jean-François CONDOTTA Maître de conférences en Informatique CRIL CNRS UMR 8188 Université d Artois - IUT de Lens Rue de l Université, 62307 Lens Cedex T +33 (0)3 21 79 32 79 B condotta@cril.univ-artois.fr

Plus en détail

CQPI Technicien qualité

CQPI Technicien qualité CQPI Technicien qualité Public concerné Salariés ou futurs salariés qui auront pour mission d assurer le contrôle de la qualité et de participer à l amélioration des modes de production et/ou à la mise

Plus en détail

SERVICE PROPRIETE INTELLECTUELLE

SERVICE PROPRIETE INTELLECTUELLE SERVICE PROPRIETE INTELLECTUELLE ÉTUDIER - CRÉER PROTÉGER - MONÉTISER é PNO Consultants sas 7 rue Rouget de L Isle 75001 Paris 01.44.77.91.00 france@pnoconsultants.com Introduction Qui est PNO? Créé en

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

Initiation à la fouille de données et à l apprentissage automatiq

Initiation à la fouille de données et à l apprentissage automatiq Initiation à la fouille de données et à l apprentissage automatique 1 Laboratoire d Informatique Fondamentale de Marseille Université de Provence christophe.magnan@lif.univ-mrs.fr www.lif.univ-mrs.fr/

Plus en détail

Guide méthodologique 4

Guide méthodologique 4 N/Réf : X2 217 012 Collection Guides méthodologiques Comment réaliser un travail de recherche Guide méthodologique 4 Louis Gaudreau Conseiller en documentation Centre des médias Septembre 2007 TABLE DES

Plus en détail

Candidature à une admission en 2 nde année. Instructions pour la constitution de votre dossier de candidature / année 2015

Candidature à une admission en 2 nde année. Instructions pour la constitution de votre dossier de candidature / année 2015 Fiche A 1/2 UFR Sciences et Technologies Candidature à une admission en 2 nde année Instructions pour la constitution de votre dossier de candidature / année 2015 Vous venez de recevoir : 1. 1 fiche d

Plus en détail

Evaluer des élèves de Seconde par compétences en Sciences Physiques

Evaluer des élèves de Seconde par compétences en Sciences Physiques Evaluer des élèves de Seconde par compétences en Sciences Physiques Introduction Depuis quelques années, le terme de «compétences» s installe peu à peu dans notre quotidien ; aussi bien dans la vie de

Plus en détail

Des formations métiers pour maîtriser la science actuarielle

Des formations métiers pour maîtriser la science actuarielle Des formations métiers pour maîtriser la science actuarielle ISUP, l excellence statistique au service de l actuariat des métiers porteurs Les métiers de l actuariat sont des pièces maîtresses du monde

Plus en détail

Description Master General Management

Description Master General Management Description Master General Management L intérêt de ce master, qui s appuie sur un partenariat entre d un côté l école d ingénieur Polytech Annecy Chambéry et de l autre l Institut de Management de l Université

Plus en détail

BIO_MUL. (Biométrie & Multimodalité) Jean-François Bonastre - LIA. ACI Sécurité Informatique

BIO_MUL. (Biométrie & Multimodalité) Jean-François Bonastre - LIA. ACI Sécurité Informatique Communication Langagière et Interaction Pers onne-sys tème CNRS - INPG - UJF BP 53-38041 Grenoble Cedex 9 - France ACI Sécurité Informatique BIO_MUL (Biométrie & Multimodalité) Jean-François Bonastre -

Plus en détail

Rapport concernant le dossier HDR de. M. Dr. Slimane HAMMOUDI

Rapport concernant le dossier HDR de. M. Dr. Slimane HAMMOUDI Prof. Michel LEONARD Département des Systèmes d Information Faculté des Sciences Économiques et Sociales CUI Batelle Bât A 7 route de Drize CH-1227 Carouge Tél. +41 22 379 02 27 Fax. +41 22 379 02 79 Rapport

Plus en détail

Master Mécanique et ingénieries

Master Mécanique et ingénieries Formations et diplômes Rapport d'évaluation Master Mécanique et ingénieries Université de Bordeaux (déposant) Arts et Métiers Paris Tech Ecole Nationale Supérieure d Architecture et de Paysage de Bordeaux

Plus en détail

Fondements et étapes du processus de recherche, 3 e édition

Fondements et étapes du processus de recherche, 3 e édition Fondements et étapes du processus de recherche, 3 e édition Nouveauté Méthodes quantitatives et qualitatives Prix : 81,95 $ Auteurs : Marie-Fabienne Fortin, Johanne Gagnon ISBN13 : 9782765050063 Nombre

Plus en détail

Le lycée pilote innovant de Poitiers

Le lycée pilote innovant de Poitiers Merci d'utiliser le titre suivant lorsque vous citez ce document : OCDE (1998), «Le lycée pilote innovant de Poitiers : Futuroscope - 10 ans déjà», PEB Échanges, Programme pour la construction et l'équipement

Plus en détail

LICENCE INFORMATIQUE. En L3 : - Parcours Informatique (Info) - Parcours Signal et Informatique Industrielle (SII) www.univ-littoral.

LICENCE INFORMATIQUE. En L3 : - Parcours Informatique (Info) - Parcours Signal et Informatique Industrielle (SII) www.univ-littoral. SCIENCES & TECHNOLOGIES - SANTÉ ET STAPS LICENCE INFORMATIQUE En L : - Parcours Informatique (Info) - Parcours Signal et Informatique Industrielle (SII) www.univ-littoral.fr OBJECTIFS DE LA FORMATION La

Plus en détail

Témoignage de Rita SOUSSIGNAN, Professeur d Histoire antique, participante au projet Landmarks du programme COST

Témoignage de Rita SOUSSIGNAN, Professeur d Histoire antique, participante au projet Landmarks du programme COST Témoignage de Rita SOUSSIGNAN, Professeur d Histoire antique, participante au projet Landmarks du programme COST Janvier - Février 2009 Par Anne-Laure ALLAIN Rita Soussignan est directeur-adjoint du CESAM,

Plus en détail

Activité 1 : échantillonnage

Activité 1 : échantillonnage Activité échantillonnage, intervalle de fluctuation, prise de décision (à partir d un même thème) Les trois activités qui suivent s inspirent du document «ressources pour la classe de première générale

Plus en détail

1 Objectif de la formation MASTER PROFESSIONNEL (1 ANNEE) 2 Poursuite d étude. 3-Moyens mis en œuvre. 4- Conditions d'admission

1 Objectif de la formation MASTER PROFESSIONNEL (1 ANNEE) 2 Poursuite d étude. 3-Moyens mis en œuvre. 4- Conditions d'admission MASTER PROFESSIONNEL (1 ANNEE) INFORMATIQUE, STATISTIQUE, MATHEMATIQUES APPLIQUEES A LA GESTION DE PRODUCTION 2009-2010 Département de mathématiques et informatique UFR Sciences, Espaces et Sociétés Université

Plus en détail

STS : Sciences, Technologies, Santé. STIC : Sciences et Technologies de l Information et de la Communication. h h h h h 250 h

STS : Sciences, Technologies, Santé. STIC : Sciences et Technologies de l Information et de la Communication. h h h h h 250 h Niveau : MASTER année Domaine : Mention : STS : Sciences, Technologies, Santé STIC : Sciences et Technologies de l Information et de la Communication M2 Spécialité : Volume horaire étudiant : Informatique

Plus en détail

Les approches d enseignement supporté dans l ingénierie

Les approches d enseignement supporté dans l ingénierie Les approches d enseignement supporté dans l ingénierie Jan Bujnak Université de Zilina Slovaquie La parole dite et le texte écrit sur papier étaient la base ainsi que le seul moyen de transférer les informations

Plus en détail

NOM ENTREPRISE et son LOGO éventuel

NOM ENTREPRISE et son LOGO éventuel NOM ENTREPRISE et son LOGO éventuel SUJET DU STAGE NOM DE L ENTREPRISE Dates du stage (Proposition de modèle de rapport) Nom du tuteur Qualité : Nom du maître de stage : Qualité : Nom de l étudiant Département

Plus en détail

PRÉSENTATION GÉNÉRALE

PRÉSENTATION GÉNÉRALE PRÉSENTATION GÉNÉRALE Cadrage institutionnel : Arrêté du 27 août 2013 fixant le cadre national des formations dispensées au sein des masters «métiers de l enseignement, de l éducation et de la formation»

Plus en détail

Le contrôle en cours de formation en mathématiques et en physique chimie pour les CAP. I Généralités sur le contrôle en cours de formation (CCF)

Le contrôle en cours de formation en mathématiques et en physique chimie pour les CAP. I Généralités sur le contrôle en cours de formation (CCF) Le contrôle en cours de formation en mathématiques et en physique chimie pour les CAP I Généralités sur le contrôle en cours de formation (CCF) 1. Historique Apparition du CCF : - en 1990 dans le règlement

Plus en détail

Laurent Puren est Maître de conférences en didactique du FLE/S à l Université de La

Laurent Puren est Maître de conférences en didactique du FLE/S à l Université de La Christian Ollivier est Maître de conférences en didactique du FLE/S à l Université de La Réunion et membre du laboratoire Langues, textes et Communication dans les espaces créolophones et francophones

Plus en détail

Programme de la formation L A TEX du plan de formation 2016 à l université du Littoral Côte d Opale

Programme de la formation L A TEX du plan de formation 2016 à l université du Littoral Côte d Opale Programme de la formation L A TEX du plan de formation 2016 à l université du Littoral Côte d Opale Denis Bitouzé 6 novembre 2015 Résumé Le présent document a pour objet de détailler le ou les programmes

Plus en détail

Méré Aurélien FIIFO1 RAPPORT DE STAGE

Méré Aurélien FIIFO1 RAPPORT DE STAGE Méré Aurélien FIIFO1 RAPPORT DE STAGE Avril 2001 Préambule J ai effectué un stage du 1 er au 23 avril 2001, dans l entreprise E.C.E.L.I. dont le siège se situe à Luisant (Eure-Et-Loir). Ce rapport détaillera

Plus en détail

Dossier d expatriation

Dossier d expatriation 3 ème année IPAG Alexis Keuleyan Dossier d expatriation Expatriation réalisée dans l université d Huddersfield en Angleterre. Arrivant à la fin de mon premier semestre de 3 ème année à l IPAG, que j ai

Plus en détail

Ekaterina VOLTCHKOVA

Ekaterina VOLTCHKOVA Ekaterina VOLTCHKOVA Née le 27 avril 1978, nationalité française et russe, mariée, 2 enfants Adresse professionnelle : GREMAQ, 21, allée de Brienne, 31000 Toulouse, France Tél. : +33.5.61.12.85.67 E-mail

Plus en détail

LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION

LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION LE RÔLE DE LA STATISTIQUE DANS UN PROCESSUS DE PRISE DE DÉCISION Sylvie Gervais Service des enseignements généraux École de technologie supérieure (sylvie.gervais@etsmtl.ca) Le laboratoire des condensateurs

Plus en détail

Master 2 ADMINISTRATION DES ENTREPRISES Parcours Management des Entreprises (en formation continue)

Master 2 ADMINISTRATION DES ENTREPRISES Parcours Management des Entreprises (en formation continue) Master 2 ADMINISTRATION DES ENTREPRISES Parcours Management des Entreprises (en formation continue) OBJECTIFS SPÉCIFIQUE DU PARCOURS Le Master MAE (Administration des Entreprises) est une formation diplômante

Plus en détail

Stages en documentation pendant l apprentissage d agent-e en information documentaire liste de contrôle

Stages en documentation pendant l apprentissage d agent-e en information documentaire liste de contrôle Stages en documentation pendant l apprentissage d agent-e en information documentaire liste de contrôle De nombreux documentalistes se sont déjà interrogés sur la manière d organiser un stage en documentation

Plus en détail

Organisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining.

Organisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining. 2 jours : Mardi 15 et mercredi 16 novembre 2005 de 9 heures 30 à 17 heures 30 Organisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining. Madame, Monsieur, On parle

Plus en détail

Article. Système de saisie et de codage en ligne de relevés de notes et de catalogues de cours d études secondaires

Article. Système de saisie et de codage en ligne de relevés de notes et de catalogues de cours d études secondaires Composante du produit n o 11-522-X au catalogue de Statistique Canada La série des symposiums internationaux de Statistique Canada : recueil Article Symposium 2008 : Collecte des données : défis, réalisations

Plus en détail

DEPARTEMENT D ETUDES EUROPEENNES ECONOMIQUES

DEPARTEMENT D ETUDES EUROPEENNES ECONOMIQUES DEPARTEMENT D ETUDES EUROPEENNES ECONOMIQUES GUIDE DES ETUDIANTS Ce guide est destiné à vous introduire au fonctionnement du Collège et du Département d études économiques européennes, en présentant les

Plus en détail