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.

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

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

Calculatrice vocale basée sur les SVM

Calculatrice vocale basée sur les SVM Calculatrice vocale basée sur les SVM Zaïz Fouzi *, Djeffal Abdelhamid *, Babahenini MohamedChaouki*, Taleb Ahmed Abdelmalik**, * Laboratoire LESIA, Département d Informatique, Université Mohamed Kheider

Plus en détail

Détection de transcriptions incorrectes de parole non-native dans le cadre de l apprentissage de langues étrangères

Détection de transcriptions incorrectes de parole non-native dans le cadre de l apprentissage de langues étrangères Détection de transcriptions incorrectes de parole non-native dans le cadre de l apprentissage de langues étrangères Luiza Orosanu Denis Jouvet Dominique Fohr Irina Illina Anne Bonneau INRIA - LORIA, 615

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

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

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

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

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

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

Curriculum Vitae. Informations générales

Curriculum Vitae. Informations générales Sandy CAMPART Maître de conférences de sciences économiques Membre permanent du CREM (UMR CNRS 6211) Directeur délégué à la formation continue de l IUP Banque Assurance de Caen Responsable de la licence

Plus en détail

Classification du genre vidéo reposant sur des transcriptions automatiques

Classification du genre vidéo reposant sur des transcriptions automatiques TALN 2010, Montréal, 19 23 juillet 2010 Classification du genre vidéo reposant sur des transcriptions automatiques Stanislas Oger, Mickael Rouvier, Georges Linarès LIA, Université d Avignon, France {stanislas.oger,

Plus en détail

Projet de Master en Informatique: Web WriteIt!

Projet de Master en Informatique: Web WriteIt! Projet de Master en Informatique: Web WriteIt! Web WriteIt! Baris Ulucinar Supervisé par le Prof. Rolf Ingold, Dr. Jean Hennebert, Andreas Humm et Robert Van Kommer Avril 2007 Table des matières 2 1. Introduction

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

Analyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57

Analyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57 Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation

Plus en détail

Développement d un système de reconnaissance automatique de la parole en coréen avec peu de ressources annotées

Développement d un système de reconnaissance automatique de la parole en coréen avec peu de ressources annotées Développement d un système de reconnaissance automatique de la parole en coréen avec peu de ressources annotées Antoine Laurent Lori Lamel Spoken Language Processing Group CNRS-LIMSI, BP 133 91403 Orsay

Plus en détail

SACRe Appel à candidatures 2015. Appel à candidature. Admission au programme doctoral SACRe 2015

SACRe Appel à candidatures 2015. Appel à candidature. Admission au programme doctoral SACRe 2015 Appel à candidature Admission au programme doctoral SACRe 2015 pour l École nationale supérieure des Arts Décoratifs Le programme doctoral Sciences, Arts, Création, Recherche (SACRe) est ouvert à tous

Plus en détail

Étude de la performance des modèles acoustiques pour des voix de personnes âgées en vue de l adaptation des systèmes de RAP

Étude de la performance des modèles acoustiques pour des voix de personnes âgées en vue de l adaptation des systèmes de RAP Étude de la performance des modèles acoustiques pour des voix de personnes âgées en vue de l adaptation des systèmes de RAP Frédéric Aman, Michel Vacher, Solange Rossato, Remus Dugheanu, François Portet,

Plus en détail

Analyse conjointe du signal sonore et de sa transcription pour l identification nommée de locuteurs

Analyse conjointe du signal sonore et de sa transcription pour l identification nommée de locuteurs Analyse conjointe du signal sonore et de sa transcription pour l identification nommée de locuteurs Vincent Jousse Sylvain Meignier Christine Jacquin Simon Petitrenaud Yannick Estève Béatrice Daille LIUM

Plus en détail

«Physique nucléaire et applications»

«Physique nucléaire et applications» UNIVERSITÉ BORDEAUX 1 UFR de PHYSIQUE MASTER DÉLOCALISÉ A HANOI (avec le soutien de l Agence universitaire de la Francophonie) «Physique nucléaire et applications» ANNÉE UNIVERSITAIRE 2008-2009 RÉSUMÉ

Plus en détail

Master Informatique Aix-Marseille Université

Master Informatique Aix-Marseille Université Aix-Marseille Université http://masterinfo.univ-mrs.fr/ Département Informatique et Interactions UFR Sciences Laboratoire d Informatique Fondamentale Laboratoire des Sciences de l Information et des Systèmes

Plus en détail

CURRICULUM VITAE. Informations Personnelles

CURRICULUM VITAE. Informations Personnelles CURRICULUM VITAE Informations Personnelles NOM: BOURAS PRENOM : Zine-Eddine STRUCTURE DE RATTACHEMENT: Département de Mathématiques et d Informatique Ecole Préparatoire aux Sciences et Techniques Annaba

Plus en détail

Abdenour Hacine-Gharbi. Sélection de paramètres acoustiques pertinents pour la reconnaissance de la parole

Abdenour Hacine-Gharbi. Sélection de paramètres acoustiques pertinents pour la reconnaissance de la parole ÉCOLE DOCTORALE SCIENCES ET TECHNOLOGIES (ORLEANS) FACULTÉ de TECHNOLOGIE (Sétif) Laboratoire PRISME THÈSE EN COTUTELLE INTERNATIONALE présentée par : Abdenour Hacine-Gharbi soutenue le : 09 décembre 2012

Plus en détail

4.2 Unités d enseignement du M1

4.2 Unités d enseignement du M1 88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter

Plus en détail

Christian BONTEMPS né le 08 juillet 1969

Christian BONTEMPS né le 08 juillet 1969 Curriculum Vitae Christian BONTEMPS né le 08 juillet 1969 Situation actuelle : Ingénieur en Chef des Ponts et Chaussées, Chercheur IDEI Professeur Sciences Économiques, GREMAQ - Université Toulouse I.

Plus en détail

Master Energie spécialité Energie électrique

Master Energie spécialité Energie électrique 03/12/2013 http://www.univ-fcomte.fr Master Energie spécialité Energie UFR Sciences, techniques, et gestion de l'industrie http://stgi.univ-fcomte.fr/ Dénomination officielle : Master Sciences, technologies,

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

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

guide du doctorat discipline architecture

guide du doctorat discipline architecture 2015 2016 guide du doctorat discipline architecture Sommaire Présentation de l école doctorale "Ville, Transports et Territoires" de la COMUE Université de Paris-Est... 1 Parcours doctoral...2 La procédure

Plus en détail

Accès aux connaissances orales par le résumé automatique

Accès aux connaissances orales par le résumé automatique Benoît Favre, Jean-François Bonastre, Patrice Bellot, François Capman Thales, Laboratoire MMP, 160 Bd de Valmy, 92700 Colombes, benoit.favre@fr.thalesgroup.com, francois.capman@fr.thalesgroup.com Université

Plus en détail

RESUME DESCRIPTIF DE LA CERTIFICATION (FICHE REPERTOIRE)

RESUME DESCRIPTIF DE LA CERTIFICATION (FICHE REPERTOIRE) RESUME DESCRIPTIF DE LA CERTIFICATION (FICHE REPERTOIRE) Intitulé (cadre 1) Ingénieur diplômé de l École Nationale Supérieure d Ingénieurs en Informatique, Automatique, Mécanique, Énergétique et Électronique

Plus en détail

Fouille de données dans des bases parcellaires (cadre projet PayOTe)

Fouille de données dans des bases parcellaires (cadre projet PayOTe) Fouille de données dans des bases parcellaires (cadre projet PayOTe) Thomas Guyet AGROCAMPUS-OUEST IRISA Équipe DREAM 01 mars 2010, Nancy Équipe DREAM : axes de recherche Diagnosing, recommending actions

Plus en détail

VisArtico : visualiser les données articulatoires obtenues par un articulographe

VisArtico : visualiser les données articulatoires obtenues par un articulographe VisArtico : visualiser les données articulatoires obtenues par un articulographe Slim Ouni 1,2 Loïc Mangeonjean 2 (1) LORIA - UMR 7503, 54506 Vandoeuvre-lès-Nancy Cedex (2) Université de Lorraine Slim.Ouni@loria.fr

Plus en détail

A la découverte du Traitement. des signaux audio METISS. Inria Rennes - Bretagne Atlantique

A la découverte du Traitement. des signaux audio METISS. Inria Rennes - Bretagne Atlantique A la découverte du Traitement des signaux audio METISS Inria Rennes - Bretagne Atlantique Les conférences scientifiques au Lycée Descartes Imagerie médicale et neuronavigation par Pierre Hellier Le respect

Plus en détail

ALLEGRO. Auftakt-Begleitausschuss / Première réunion du Comité d accompagnement

ALLEGRO. Auftakt-Begleitausschuss / Première réunion du Comité d accompagnement ALLEGRO Auftakt-Begleitausschuss / Première réunion du Comité d accompagnement Partenaires 2 Aperçu Motivation Objectifs Actions Communication 3 Motivation générale La maîtrise des langues étrangères est

Plus en détail

Master Management stratégique

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

Plus en détail

SUPPLEMENT AU DIPLOME

SUPPLEMENT AU DIPLOME SUPPLEMENT AU DIPLOME Préambule : «Le présent supplément au diplôme suit le modèle élaboré par la Commission européenne, le Conseil de l Europe et l UNESCO/CEPES. Le supplément vise à fournir des données

Plus en détail

Un cours d introduction à la démarche mathématique. Martine De Vleeschouwer, Suzanne Thiry

Un cours d introduction à la démarche mathématique. Martine De Vleeschouwer, Suzanne Thiry Aide à la transition dans une formation universitaire d un mathématicien en Belgique Un cours d introduction à la démarche mathématique Martine De Vleeschouwer, Suzanne Thiry Université de Namur, Unité

Plus en détail

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Filtrage stochastique non linéaire par la théorie de représentation des martingales Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de

Plus en détail

Département Informatique 5ème année 2008-2009. Cahier des Charges

Département Informatique 5ème année 2008-2009. Cahier des Charges École Polytechnique de l Université de Tours 64, Avenue Jean Portalis 37200 TOURS, FRANCE Tél. +33 (0)2 47 36 14 14 Fax +33 (0)2 47 36 14 22 www.polytech.univ-tours.fr Département Informatique 5ème année

Plus en détail

Alignement de transcriptions imparfaites sur un flux de parole

Alignement de transcriptions imparfaites sur un flux de parole Alignement de transcriptions imparfaites sur un flux de parole LECOUTEUX Benjamin Laboratoire d Informatique d Avignon (CNRS FRE2487) 339, chemin des Meinajaries Agroparc B.P. 1228 F-84911 Avignon Cedex

Plus en détail

Curriculum Vitae 1 er février 2008

Curriculum Vitae 1 er février 2008 Curriculum Vitae 1 er février 2008 Informations générales Cédric MEUTER Nationalité belge Né à La Louvière, le 16 novembre 1979 Adresse personnelle : Adresse professionnelle : Ave Général Bernheim, 57

Plus en détail

TECH. INFOTECH # 34 Solvabilité 2 : Le calcul du capital économique dans le cadre d un modèle interne. Introduction

TECH. INFOTECH # 34 Solvabilité 2 : Le calcul du capital économique dans le cadre d un modèle interne. Introduction INFO # 34 dans le cadre d un modèle interne Comment les méthodes d apprentissage statistique peuvent-elles optimiser les calculs? David MARIUZZA Actuaire Qualifié IA Responsable Modélisation et Solvabilité

Plus en détail

PRÉPARER LA PREMIÈRE ÉPREUVE ORALE D ADMISSION OPTION EPS. DEVOIRS SUPPLÉMENTAIRES 1 et 2

PRÉPARER LA PREMIÈRE ÉPREUVE ORALE D ADMISSION OPTION EPS. DEVOIRS SUPPLÉMENTAIRES 1 et 2 CONCOURS DE RECRUTEMENT DE PROFESSEURS DES ÉCOLES PRÉPARER LA PREMIÈRE ÉPREUVE ORALE D ADMISSION OPTION EPS DEVOIRS SUPPLÉMENTAIRES 1 et 2 Rédaction Jean-Pierre GUICHARD Conseiller pédagogique en EPS Ministère

Plus en détail

Indexation de documents audio : Cas des grands volumes de données

Indexation de documents audio : Cas des grands volumes de données Indexation de documents audio : Cas des grands volumes de données Jamal Rougui To cite this version: Jamal Rougui. Indexation de documents audio : Cas des grands volumes de données. Human- Computer Interaction

Plus en détail

MCMC et approximations en champ moyen pour les modèles de Markov

MCMC et approximations en champ moyen pour les modèles de Markov MCMC et approximations en champ moyen pour les modèles de Markov Gersende FORT LTCI CNRS - TELECOM ParisTech En collaboration avec Florence FORBES (Projet MISTIS, INRIA Rhône-Alpes). Basé sur l article:

Plus en détail

De l importance de l homogénéisation des conventions de transcription pour l alignement automatique de corpus oraux de parole spontanée

De l importance de l homogénéisation des conventions de transcription pour l alignement automatique de corpus oraux de parole spontanée De l importance de l homogénéisation des conventions de transcription pour l alignement automatique de corpus oraux de parole spontanée Dominique Fohr, Odile Mella, Denis Jouvet LORIA INRIA Nancy France

Plus en détail

Objectif du groupe GT1.1 Fusion de Données

Objectif du groupe GT1.1 Fusion de Données Objectif du groupe GT1.1 Fusion de Données Le groupe travaille dans trois directions Le vocabulaire (piloté par ADVITAM et l aide de SITE) L état de l art (piloté par SYROKKO) Deux applications illustratives

Plus en détail

Vérification audiovisuelle de l identité

Vérification audiovisuelle de l identité Vérification audiovisuelle de l identité Rémi Landais, Hervé Bredin, Leila Zouari, et Gérard Chollet École Nationale Supérieure des Télécommunications, Département Traitement du Signal et des Images, Laboratoire

Plus en détail

1993 Baccalauréat (S). Mention Assez Bien. FORMATION

1993 Baccalauréat (S). Mention Assez Bien. FORMATION Sana GUETAT Avenue Olivier Messiaen, 72085 Le Mans cedex 9 (33) 02 43 83 35 34- Fax : (33) 02 43 83 31 35 Sana.Guetat@univ-lemans.fr http://www.univ-lemans.fr FORMATION 2008 Doctorat en Sciences de Gestion,

Plus en détail

CURRICULUM VITAE FORMATION. 2001/2002 : Thèse ès sciences de gestion, option marketing, à l IAE de Dijon, Université de Bourgogne :

CURRICULUM VITAE FORMATION. 2001/2002 : Thèse ès sciences de gestion, option marketing, à l IAE de Dijon, Université de Bourgogne : CURRICULUM VITAE Nom : DJELASSI Prénom : Souad Fonction : Maître de conférences, Université Lille2 Adresse personnelle : 4 Rue Alexandre Desrousseaux, 59000 Lille Tél. personnel : 06.68.68.26.44 Mail :

Plus en détail

Méthodologie de conception des Systèmes d Aide à l Exploitation des Simulateurs d Entraînement

Méthodologie de conception des Systèmes d Aide à l Exploitation des Simulateurs d Entraînement Méthodologie de conception des Systèmes d Aide à l Exploitation des Simulateurs d Entraînement Michelle Joab LIP6 Systèmes d Aide à la Décision et à la Formation (SYSDEF) Université Pierre-et-Marie Curie

Plus en détail

Structuration des décisions de jurisprudence basée sur une ontologie juridique en langue arabe

Structuration des décisions de jurisprudence basée sur une ontologie juridique en langue arabe Structuration des décisions de jurisprudence basée sur une ontologie juridique en langue arabe Karima Dhouib, Sylvie Després Faiez Gargouri ISET - Sfax Tunisie, BP : 88A Elbustan ; Sfax karima.dhouib@isets.rnu.tn,

Plus en détail

Convention de coopération concernant la mise en place d un double diplôme de Master en Informatique

Convention de coopération concernant la mise en place d un double diplôme de Master en Informatique Convention de coopération concernant la mise en place d un double diplôme de Master en Informatique entre l Université François-Rabelais de Tours (France) et Université Gaston Berger de Saint Louis (Sénégal)

Plus en détail

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes

Contents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire

Plus en détail

Reconnaissance du locuteur

Reconnaissance du locuteur Reconnaissance du locuteur Claude Barras! Master, Université Paris-Sud Plan Introduction Vérification du locuteur Structuration en tours de parole Recherches en cours 2/46 Introduction Plan Introduction

Plus en détail

Statistiques et traitement des données

Statistiques et traitement des données Statistiques et traitement des données Mention : Mathématiques Nature de la formation : Diplôme national de l'enseignement Supérieur Durée des études : 2 ans Crédits ECTS : 120 Formation accessible en

Plus en détail

DROIT-ECONOMIE-GESTION SCIENCES DU MANAGEMENT ADMINISTRATION DES ENTREPRISES

DROIT-ECONOMIE-GESTION SCIENCES DU MANAGEMENT ADMINISTRATION DES ENTREPRISES Niveau : MASTER année Domaine : Mention : DROIT-ECONOMIE-GESTION SCIENCES DU MANAGEMENT M Spécialité: ADMINISTRATION DES ENTREPRISES 120 ECTS Volume horaire étudiant : 362 h 90 h h h h h cours magistraux

Plus en détail

Correcteur INTEC, CNED, Niveau Masters (Management et Contrôle de Gestion)

Correcteur INTEC, CNED, Niveau Masters (Management et Contrôle de Gestion) Yvette MASSON FRANZIL Docteur en Sciences de Gestion Adresse personnelle: 47, rue des Tilleuls 57070 METZ 03 87 76 24 73 massonyvette@wanadoo.fr Formation académique 2008 : Qualifiée aux fonctions d enseignant

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

Le Master Mathématiques et Applications

Le Master Mathématiques et Applications Le Master Mathématiques et Applications Franck BOYER franck.boyer@univ-amu.fr Institut de Mathématiques de Marseille Aix-Marseille Université Marseille, 20 Mai 2014 1/ 16 Structure générale Vue d ensemble

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

Master 2 : Didactique des disciplines. Spécialité Mathématiques. Parcours Professionnel

Master 2 : Didactique des disciplines. Spécialité Mathématiques. Parcours Professionnel Master 2 : Didactique des disciplines Spécialité Mathématiques Parcours Professionnel Année 2010-2011 M2 : Didactique des disciplines Spécialité : Mathématiques Parcours Professionnel Année 2010-2011 PRESENTATION

Plus en détail

Proposition d activité utilisant l application. Tripatouille. (http://www.malgouyres.fr/tripatouille/)

Proposition d activité utilisant l application. Tripatouille. (http://www.malgouyres.fr/tripatouille/) IREM Clermont-Ferrand Algorithmique au lycée Malika More malika.more@u-clermont1.fr 28 janvier 2011 Proposition d activité utilisant l application Tripatouille (http://www.malgouyres.fr/tripatouille/)

Plus en détail

Optimisez les performances de vos aides auditives. Accessoires sans fil Phonak

Optimisez les performances de vos aides auditives. Accessoires sans fil Phonak Optimisez les performances de vos aides auditives Accessoires sans fil Phonak Les aides auditives hautes performances Phonak vous aident à vous reconnecter au monde sonore. Bien que les nouvelles technologies

Plus en détail

Devenez expert en éducation. Une formation d excellence avec le master Métiers de l Enseignement, de l Education et de la Formation

Devenez expert en éducation. Une formation d excellence avec le master Métiers de l Enseignement, de l Education et de la Formation Institut Universitaire de Formation des Maîtres Université de Provence - Aix-Marseille Université 20 ans d expérience dans la formation des professionnels dans les métiers de l enseignement, de l éducation

Plus en détail

Percol0 - un système multimodal de détection de personnes dans des documents vidéo

Percol0 - un système multimodal de détection de personnes dans des documents vidéo Percol0 - un système multimodal de détection de personnes dans des documents vidéo Frederic Bechet 1 Remi Auguste 2 Stephane Ayache 1 Delphine Charlet 3 Geraldine Damnati 3 Benoit Favre 1 Corinne Fredouille

Plus en détail

Projet ANR-06-SETI-015 RIMEL (Raffinement Incrémental de Modèles événementiels) Rapport intermédiaire annuel

Projet ANR-06-SETI-015 RIMEL (Raffinement Incrémental de Modèles événementiels) Rapport intermédiaire annuel Projet ANR-06-SETI-015 RIMEL (Raffinement Incrémental de Modèles événementiels) Rapport intermédiaire annuel Coordonnateur Dominique Méry LORIA,Université Henri Poincaré Nancy 1 Partenaire 3 Mohamed Mosbah

Plus en détail

CarrotAge, un logiciel pour la fouille de données agricoles

CarrotAge, un logiciel pour la fouille de données agricoles CarrotAge, un logiciel pour la fouille de données agricoles F. Le Ber (engees & loria) J.-F. Mari (loria) M. Benoît, C. Mignolet et C. Schott (inra sad) Conférence STIC et Environnement, Rouen, 19-20 juin

Plus en détail

COMOTEX COMmande temps réel de systèmes d Optique adaptative à Très grands nombres de degrés de liberté pour les télescopes EXtrêmement grands

COMOTEX COMmande temps réel de systèmes d Optique adaptative à Très grands nombres de degrés de liberté pour les télescopes EXtrêmement grands COMOTEX COMmande temps réel de systèmes d Optique adaptative à Très grands nombres de degrés de liberté pour les télescopes EXtrêmement grands Morgan GRAY Cyril PETIT, Sergey RODIONOV, Marc BOCQUET Laurent

Plus en détail

Sarah MACHAT. IUT La Rochelle 15 rue de Vaux de Foletier 17026 La Rochelle cedex 01 06 19 03 13 17 e-mail : sarah.machat@univ-lr.

Sarah MACHAT. IUT La Rochelle 15 rue de Vaux de Foletier 17026 La Rochelle cedex 01 06 19 03 13 17 e-mail : sarah.machat@univ-lr. Sarah MACHAT IUT La Rochelle 15 rue de Vaux de Foletier 17026 La Rochelle cedex 01 06 19 03 13 17 e-mail : sarah.machat@univ-lr.fr FONCTION Depuis sept 2011 Maître de conférences, Université La Rochelle,

Plus en détail

Cécile MAUNIER. Maître de Conférences Sciences de Gestion Responsable pédagogique - Master 1 Marketing, Vente TITRES UNIVERSITAIRES

Cécile MAUNIER. Maître de Conférences Sciences de Gestion Responsable pédagogique - Master 1 Marketing, Vente TITRES UNIVERSITAIRES Cécile MAUNIER Maître de Conférences Sciences de Gestion Responsable pédagogique - Master 1 Marketing, Vente IAE REUNION 24 avenue de la Victoire CS 92003 Saint Denis Cedex 09 ( : 02 62 47 99 01 E- mail

Plus en détail

1.2 Unité responsable Département d informatique, Faculté des sciences

1.2 Unité responsable Département d informatique, Faculté des sciences 1. Identification du programme 1.1 Titre du programme Maîtrise ès sciences (informatique) 1.2 Unité responsable Département d informatique, Faculté des sciences 1.3 Diplôme accordé M. Sc. (Informatique)

Plus en détail

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation

Programme des épreuves des concours externes de recrutement des personnels techniques et administratifs de recherche et de formation Programme des épreuves des concours externes de recrutement des personnels E1 RECRUTEMENT DES ASSISTANTS INGENIEURS DE RECHERCHE ET DE FORMATION...2 E1.1 Gestionnaire de base de données...2 E1.2 Développeur

Plus en détail

Introduction au datamining

Introduction au datamining Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des

Plus en détail

2013-2015 Attachée Temporaire d Enseignement et de Recherche Institut d Administration des Entreprises Université de Toulouse 1 Capitole.

2013-2015 Attachée Temporaire d Enseignement et de Recherche Institut d Administration des Entreprises Université de Toulouse 1 Capitole. Adresse personnelle : NEGRE Emmanuelle 5 rue Rivals 31000 Toulouse Née le 25/06/1987, 27 ans FRANCE 06.76.79.01.31 emmanuelle.negre@ iae-toulouse.fr Fonctions 2013-2015 Attachée Temporaire d Enseignement

Plus en détail

Rapport d évaluation du master

Rapport d évaluation du master Section des Formations et des diplômes Rapport d évaluation du master Management public de l Université de Lorraine Vague C 2013-2017 Campagne d évaluation 2011-2012 Section des Formations et des diplômes

Plus en détail

Licence professionnelle Etudes statistiques, sondages et marketing

Licence professionnelle Etudes statistiques, sondages et marketing Formations et diplômes Rapport d'évaluation Licence professionnelle Etudes statistiques, sondages et marketing Université Pierre Mendes France - Grenoble - UPMF Campagne d évaluation 2014-2015 (Vague A)

Plus en détail

L enseignement supérieur français

L enseignement supérieur français «Destination France» L enseignement supérieur français Université Catholique de Louvain, le 01 mars 2012 1 Le système français, quelques chiffres Quelques chiffres: La France compte 2,3 millions d étudiants

Plus en détail

Bruno ASDOURIAN Lecteur en Sciences de la Communication et des Médias Université de Fribourg Suisse

Bruno ASDOURIAN Lecteur en Sciences de la Communication et des Médias Université de Fribourg Suisse Bruno ASDOURIAN Lecteur en Sciences de la Communication et des Médias Université de Fribourg Suisse Chercheur en Sciences de l Information et de la Communication Laboratoire IRSIC EA 4262 France Grand-Places

Plus en détail

Temps forts départementaux. Le calcul au cycle 2 Technique opératoire La soustraction

Temps forts départementaux. Le calcul au cycle 2 Technique opératoire La soustraction Temps forts départementaux Le calcul au cycle 2 Technique opératoire La soustraction Calcul au cycle 2 La soustraction fait partie du champ opératoire additif D un point de vue strictement mathématique,

Plus en détail

MASTER LPL : LANGUE ET INFORMATIQUE (P)

MASTER LPL : LANGUE ET INFORMATIQUE (P) MASTER LPL : LANGUE ET INFORMATIQUE (P) RÉSUMÉ DE LA FORMATION Type de diplôme := Master Domaine : Arts, Lettres, Langues Mention : LITTERATURE, PHILOLOGIE, LINGUISTIQUE Spécialité : LANGUE ET INFORMATIQUE

Plus en détail

Et avant, c était comment?

Et avant, c était comment? 3 Et avant, c était comment? Objectifs de l unité Tâche La première partie de l évaluation comprend une tâche, QUELS CHANGEMENTS!, divisée en quatre phases. Dans la première phase, il s agit d écouter

Plus en détail

COORDONNÉES PROFESSIONNELLES PARCOURS PROFESSIONNEL FORMATION

COORDONNÉES PROFESSIONNELLES PARCOURS PROFESSIONNEL FORMATION Naomi Yamaguchi Maîtresse de Conférences Université Sorbonne Nouvelle Paris 3 Laboratoire de Phonétique et Phonologie (UMR 7018) http://naomi.yamaguchi.free.fr/ http://lpp.in2p3.fr/axes-de-recherche-592

Plus en détail

ÉVALUATION PRIMAIRE D UN SYSTÈME D AIDE AU CONTRÔLE AÉRIEN EN ROUTE

ÉVALUATION PRIMAIRE D UN SYSTÈME D AIDE AU CONTRÔLE AÉRIEN EN ROUTE Proceedings of the SELF-ACE 001 Conference Ergonomics for changing work ÉVALUATION PRIMAIRE D UN SYSTÈME D AIDE AU CONTRÔLE AÉRIEN EN ROUTE CELLIER JEAN-MARIE Laboratoire Travail et Cognition (LTC), UMR

Plus en détail

Solution A La Gestion Des Objets Java Pour Des Systèmes Embarqués

Solution A La Gestion Des Objets Java Pour Des Systèmes Embarqués International Journal of Engineering Research and Development e-issn: 2278-067X, p-issn: 2278-800X, www.ijerd.com Volume 7, Issue 5 (June 2013), PP.99-103 Solution A La Gestion Des Objets Java Pour Des

Plus en détail

Les cotutelles internationales de thèse

Les cotutelles internationales de thèse Les cotutelles internationales de thèse Période de travail et de création, le Doctorat offre une réelle expérience professionnelle au jeune chercheur. Le doctorant est formé pour la recherche et par la

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

CONTENU DES U.E MASTER JMIN. Expression écrite, orale

CONTENU DES U.E MASTER JMIN. Expression écrite, orale CONTENU DES U.E MASTER JMIN Contenu des U.E UE 101 Communication, culture et expression (anglais, expression écrite et orale) UE 102 Conception et développement informatique UE 103 Conception sonore Expression

Plus en détail

ACADÉMIE DE NANTES UNIVERSITÉ DU MAINE THÈSE. présentée à l Université du Maine pour obtenir le diplôme de DOCTORAT

ACADÉMIE DE NANTES UNIVERSITÉ DU MAINE THÈSE. présentée à l Université du Maine pour obtenir le diplôme de DOCTORAT ACADÉMIE DE NANTES UNIVERSITÉ DU MAINE THÈSE présentée à l Université du Maine pour obtenir le diplôme de DOCTORAT SPÉCIALITÉ : Informatique École Doctorale 503 «Sciences et Technologies de l Information

Plus en détail

BABEL LEXIS : UN SYSTÈME ÉVOLUTIF PERMETTANT LA CRÉATION, LE STOCKAGE ET LA CONSULTATION D OBJETS HYPERMÉDIAS

BABEL LEXIS : UN SYSTÈME ÉVOLUTIF PERMETTANT LA CRÉATION, LE STOCKAGE ET LA CONSULTATION D OBJETS HYPERMÉDIAS Quatrième colloque hypermédias et apprentissages 275 BABEL LEXIS : UN SYSTÈME ÉVOLUTIF PERMETTANT LA CRÉATION, LE STOCKAGE ET LA CONSULTATION D OBJETS HYPERMÉDIAS Anne-Olivia LE CORNEC, Jean-Marc FARINONE,

Plus en détail

La Chronique des matières premières

La Chronique des matières premières La Chronique des matières premières Céréales, minerais ou pétrole, les ressources naturelles sont au cœur de l économie. Chaque jour de la semaine, Dominique Baillard informe du cours des matières premières

Plus en détail

Introduction au Data-Mining

Introduction 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 détail

Principe de symétrisation pour la construction d un test adaptatif

Principe de symétrisation pour la construction d un test adaptatif Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université

Plus en détail

Bilan de thèse à mi-parcours

Bilan de thèse à mi-parcours Bilan de thèse à mi-parcours Benjamin Lévy 26 mars 2012 Introduction La thèse de doctorat d informatique (école doctorale 130, EDITE) dont le titre officiel est le suivant : Avatars capables d écoute,

Plus en détail

Français langue étrangère Savoir-faire - Actes de paroles - Supports d apprentissage -Tâches

Français langue étrangère Savoir-faire - Actes de paroles - Supports d apprentissage -Tâches Niveau C1 Descripteur global Français langue étrangère Savoir-faire - Actes de paroles - Supports d apprentissage -Tâches La personne peut : comprendre en détail de longs discours et des échanges complexes

Plus en détail

Fast and Furious Decision Tree Induction

Fast and Furious Decision Tree Induction Institut National des Sciences Appliquées de Rennes Dossier de planification initiale Encadreurs : Nikolaos Parlavantzas - Christian Raymond Fast and Furious Decision Tree Induction Andra Blaj Nicolas

Plus en détail

Apprentissage statistique et Big Data, focus sur l algorithme online-em

Apprentissage statistique et Big Data, focus sur l algorithme online-em Apprentissage statistique et Big Data, focus sur l algorithme online-em Olivier Cappé Laboratoire Traitement et Communication de l Information CNRS, Télécom ParisTech, 75013 Paris 8 octobre 2013 0. Cappé

Plus en détail

Organisation du parcours M2 IR Les unités d enseignements (UE) affichées dans la partie tronc commun sont toutes obligatoires, ainsi que le stage et

Organisation du parcours M2 IR Les unités d enseignements (UE) affichées dans la partie tronc commun sont toutes obligatoires, ainsi que le stage et Organisation du parcours M2 IR Les unités d enseignements (UE) affichées dans la partie tronc commun sont toutes obligatoires, ainsi que le stage et l'anglais. L'étudiant a le choix entre deux filières

Plus en détail

High Performance by Exploiting Information Locality through Reverse Computing. Mouad Bahi

High Performance by Exploiting Information Locality through Reverse Computing. Mouad Bahi Thèse High Performance by Exploiting Information Locality through Reverse Computing Présentée et soutenue publiquement le 21 décembre 2011 par Mouad Bahi pour l obtention du Doctorat de l université Paris-Sud

Plus en détail