Systèmes décisionnels et programmation avancée

Dimension: px
Commencer à balayer dès la page:

Download "Systèmes décisionnels et programmation avancée"

Transcription

1 Systèmes décisionnels et programmation avancée M1 SIR Philippe Muller et Mustapha Mojahid, Matthieu Serrurier, Marie-Christine Scheix

2 Introduction structure du cours intervenants introduction au contenu

3 Trois parties résolution de problèmes combinatoires systèmes de contraintes programmation logique

4 Trois intervenants résolution de problèmes combinatoires : Matthieu Serrurier systèmes de contraintes : Philippe Muller programmation logique : Mustapha Mojahid + un renfort en TP : Marie-Christine Scheix

5 Ce qu on verra... Toujours deux versants modélisation de problèmes résolution de problèmes et mise en pratique en TP systèmes décisionnels programmation avancée

6 Domaines visés problèmes mal posés ou mal définis domaines en friche problèmes complexes ou très larges problèmes pour lesquels on ne connaît pas d algorithmes efficaces (rapides) ou ne donnant pas de bonnes solutions.

7 Une méthodologie commune 1 modélisation d un domaine ou d un problème particulier (mathématique ou logique) 2 représentation 3 résolution (algorithmique, raisonnement, optimisation, apprentissage) 4 évolution L étape (3) nécessite des recherches dans des ensembles de possibilités très grands recherche opérationnelle.

8 Humains, robots, machines, etc : systèmes décisionnels une notion commune : la notion d agent rationnel reçoit de l information d un environnement agit sur l environnement en fonction de l information reçue et traitée (perception) (action) (décision)

9 Caractéristiques de l agent rationnel perception : nécessite représentation de l environnement action : représentation des actions possibles décision : processus

10 Exemple chercher son chemin

11 Un exemple : chercher son chemin

12 Un exemple : chercher son chemin

13 Exemple trouver son chemin représentation : graphe / grille actions : déplacements ds une direction décision : arriver au but + optimiser : quelles procédures? analogue à trouver une solution parmi un ensemble de possibles

14 Résolution de problèmes Exemple simplet : Un berger veut transporter d un côté d une rivière à l autre : une chèvre, un chou, un loup laissés seuls, la chèvre mange le chou laissés seuls, le loup mange la chèvre son bateau ne peut prendre à bord que deux choses en plus de lui-même comment s y prendre pour éviter le carnage? représentation des données? actions possibles? qu est-ce qu une résolution?

15 Résolution d un problème combinatoire A peine moins simplet : les missionaires et les cannibales

16 Les cannibales (suite)

17 Les cannibales (suite)

18 Les cannibales (suite)

19 Planification monde des cubes : idéalisation d un problème général nombre d états possibles? augmente très (trop rapidement)

20 Exemple réel : installation de relais satellites [stage M2 SIR / 2013 Astrium]

21 Petit Exemple on dispose de deux récipients initialement vides, pouvant respectivement contenir 3 litres et 4 litres d eau. on peut remplir complètement un récipient au robinet, le vider complètement dans l évier, ou bien vider un récipient dans l autre jusqu à remplir le deuxième ou bien vider un récipient dans l autre jusqu à vider le premier. on veut arriver à avoir 2 litres d eau exactement dans le récipient de 4 litres.

22 Exemple : Die Hard (3L,4L) (0,0) (3,0) remplir 3 (0,3) vider 3 dans 4 (3,3) remplir 3 (2,4) remplir 4 avec 3 (2,0) vider 4 (0,2) vider 3 dans 4

23 Exercice : ordonnancement modéliser le problème d ordonnancement suivant : on a 4 tâches à réaliser de durées 5, 1, 3, 4 les tâches 2 et 3 ne peuvent être faites en parallèle (mêmes ressources nécessaires), la 3 doit être faite avant la 4. peut-on avoir toutes les tâches commencées finies avant t=7?

24 Exemple avec optimisation : Pandémie Une épidémie de maladie infectieuse a été observée dans un certain nombre N d endroits. Un ensemble de M équipes de médecins doivent aller enquêter pour identifier la maladie, ce qui leur prend un certain temps t ij qui dépend de l endroit j et de l équipe i. Chaque équipe peut enquêter au maximum à 2 endroits, mais doit alors se déplacer de l endroit j 1 à l endroit j 2, ce qui prend un temps d j1 j 2. Peut-on trouver une solution prenant moins de 20 unités de temps? Bonus : quel est le minimum qu on puisse trouver? Eq / Lieu Lieu 1 /

25 Problèmes combinatoires classiques sac à dos ; ex : ( ) dans 20 litres déménagement voyageur de commerce coloriage de graphes etc versions idéalisées de nombreux problèmes réels explosion du nombre de possibilités problème de résolution vs. problème d optimisation

26 Systèmes de contraintes processus de recherche de solutions dans un cadre plus spécifique uniquement des faits : variables avec domaines restreints + relations entre variables recherche d instances des variables satisfaisant les relations ( contraintes ) applications : partout (emploi du temps, occupation de salles, logistique, etc)

27 Systèmes de contraintes des variables {V 1, V 2, V 3,...} des domaines de valeurs : V 1 D 1, V 2 D 2,... des contraintes entre variables : ex V 1 V 2, V 3 V 4

28 Exemple 5 personnes de 5 métiers différents dans 5 maisons de couleurs différentes, avec un animal domestique et une boisson préférée distincte. L anglais habite dans la maison rouge. L espagnol a un chien. Le japonais est peintre. L italien boit du thé. Le norvégien habite la première maison. L habitant de la maison verte boit du café. La maison blanche est juste après la verte. Le sculpteur élève des escargots. Le diplomate habite la maison jaune.

29 Exemple (suite) On boit du lait dans la 3e maison. La maison du norvégien est à côté de la bleue. Le violoniste boit du jus de fruit. Le renard est dans la maison voisine du docteur. (plus simple : après) Le cheval est la maison voisine de celle du diplomate. (plus simple : après) (indice) Le zèbre est dans la maison verte. Une des personnes boit de l eau. Qui habite où?

30 Modélisation quelles variables? quels domaines? représentation résolution à la main résolution : variante des algorithmes de recherche (cf cours 1)

31 Variables et domaines maison, couleur, métier, pays, boisson, animal? 1 maisons {1, 2, 3, 4, 5} (dans l ordre) 2 il y a une valeur seulement de métier, animal, etc par maison 3 toutes les variables peuvent être associées à une valeur de maison : 1, 2, 3, 4, 5 4 donc 5 variables par propriétés = 25 variables, chacune de domaine {1, 2, 3, 4, 5} 5 pas de variables pour la maison

32 Démarrage contrainte générale : chien chat, chat cheval, etc sur les 5 familles de variables L anglais habite dans la maison rouge. rouge=anglais L espagnol a un chien. espagnol=chien Le japonais est peintre. japonais=peintre L italien boit du thé. italien=thé Le norvégien habite la première maison. norvegien=1

33 L habitant de la maison verte boit du café. vert=café La maison verte est juste après la blanche. vert=blanche+1 Le sculpteur élève des escargots. sculpteur=escargot Le diplomate habite la maison jaune. jaune=diplomate

34 Suite On boit du lait dans la 3e maison. lait=3 La maison du norvégien est à côté de la bleue. norvegien bleue = 1 Le violoniste boit du jus de fruit. violoniste=jus Le renard est dans la maison après celle du docteur. renard=docteur+1 Le cheval est la maison après celle du diplomate. cheval=diplomate+1 Le zèbre est dans la maison blanche. zebre=blanche Une des personnes boit de l eau.

35 Résolution 1 recherche arborescente dans les valeurs possibles 2 propagation des contraintes ex : domaine de norvégien=1 on remplace partout dans les autres 1 1 devient impossible pour espagnol, italien, etc 2 bleu {0, 2} D(bleu) = {2}

36 animal chien = 4, renard = 1, cheval = 2, escargot = 3, zèbre = 5, color bleu = 2, vert = 5, rouge = 3, blanc = 4, jaune = 1, drink café = 5, jus = 4, lait = 3, thé = 2, eau = 1, nationality angl = 3, ital = 2, jap = 5, norv = 1, espagnol = 4, profession diplomate = 1, docteur = 2, peintre = 5, sculpteur = 3, violiniste = 4 ici : uniquement par propagation de contraintes

37 Exercices : ordonnancement modéliser le problème d ordonnancement suivant : on a 4 tâches à réaliser de durées 5, 1, 3, 4 les tâches 2 et 3 ne peuvent être faites en parallèle (mêmes ressources nécessaires), la 3 doit être faite avant la 4. peut-on avoir toutes les tâches commencées finies avant t=7? reprendre comme un problème de satisfaction de contraintes

38 Représentations de connaissances la résolution nécessite des modèles explicites du monde/ de l environnement des agents des contraintes nécessité d une certaine expressivité des formalismes faits/ buts règles/ contraintes générales théorie développement de bases de connaissances ( systèmes experts ) développement de démonstrateurs automatiques / modules de raisonnement

39 Formalisation et logique en résumé : nécessité d un langage formel de modélisation expressivité calcul des conséquences : raisonnement la logique est l outil idéal pour cette tâche

40 Brefs rappels de logique termes : variables x i, constantes c j, images de fonctions f (x) propositions atomiques : prédicats P(x), Q(x 1, x 2, x 3 ) littéral : atome ou sa négation P(x), Q(x, y) propositions construites avec,,, : P(x) Q(y) quantificateurs :, x[(oiseau(x) pingouin(x)) vole(x)]

41 Conséquence logique théorie = axiomes logiques + conséquences conséquence : notion syntaxique, A B conséquence : notion sémantique, A = B une théorie est l ensemble des conséquences de ses axiomes (fermeture)

42 Démonstration automatique Partir de la négation de la conclusion + théorie montrer incohérence ( ) en propositionnel pur : déjà combinatoire au premier ordre : indécidable en général, nécessite des restrictions indécidable = il ne peut exister (!) d algorithme qui garantit une réponse dans tous les cas. on verra comment s en sortir quand même...

43 La logique pour de vrai exemple : la tarification des compagnies aérienne tarification très complexe, avec de nombreux facteurs : des millions de tarifs différents facteurs qui peuvent se combiner pour donner des tarifs très différents : âge : moins de 2 ou plus de 65 passager accompagnant quelqu un à plein tarif heures de pointe samedi sur place vol normal aller-retour ou avec plus d étapes.... nécessite test de cohérence

44 Allons-y si le passager sur un itinéraire a moins de deux ans, il a droit au tarif bébé i, a, p passager(i, p) age(p, a) a 2 tarif baby(i) besoin de raisonner sur des nombres autres contraintes (...) départ d un vol correspond à l arrivée du précédent attente pas trop courte pour avoir la correspondance attente pas trop longue!

45 Démonstration automatique partir de la négation de la conclusion + théorie incohérence en propositionnel pur : combinatoire au premier ordre : indécidable en général, nécessite des restrictions indécidable = il ne peut exister (!) d algorithme qui garantit une réponse dans tous les cas. la logique sert surtout à exprimer des faits, pas à guider la preuve : x, y( z(parent(x, z) (parent(z, y)))) grandparent(x, y) mais étant donné des parents, on veut trouver les grands-parents? étant donné les GP on veut trouver les parents? les démonstrateurs ne sont pas adaptés à ça (trop lourds)

46 Systèmes de règles si on se limite à des formules plus contraintes des procédures de démonstration simplifiées on peut avoir quelque chose d utilisable systèmes à base de règles programmation logique

47 Un type de formule sympathique Clause de Horn : un littéral positif maximum Q ( P 1... P n Q) noté aussi : (P 1... P n Q) antécédents conséquent ( P 1... P n ) (fait brut ) (règle) (contrainte de cohérence)

48 Limites si on exclut les contraintes de cohérence on ne peut déduire de négations on ne peut déduire ou affirmer de disjonctions P 1 P 2 Q 1 Q 2

49 Processus de résolution similaire à un problème de recherche vers l arrière on part de la conclusion, et on remonte les antécédents possibles jusqu à trouver une (ou des solution(s) si on laisse continuer) ou bien arriver à un échec.

50 Exemple de résolution soit la base, avec les constantes a, b, c, d, e 1 Parent(a,b) 2 Pere(a,b) 3 Parent(a,c) 4 Parent(b,e) 5 mere(b,e) 6 Frere(e,d) 7 x, y, z Frere(x,y) Parent(z,x) Parent(z,y) 8 x, y, z Mere(z,y) Parent(z,y) 9 x, y, z Pere(z,y) Parent(z,y) 10 x, y, z Parent(x,y) Parent(y,z) Grandparent(x,z)

51 but : Grandparent(x,d) empiler le but+ un prédicat spécial reponse(x) répéter tant que le but n est pas reponse : trouver une règle ou un fait qui peut s unifier avec le but empiler les antécédents en instanciant les variables dans l ensemble des buts sinon échec on revient au point de décision précédent ici : on ne peut que choisir la dernière règle, qui peut donner les littéraux parent(y,d) et parent(x,y) quel ordre vaut-il mieux prendre pour les règles et les antécedents?

52 D autres caractéristique 1 on raisonne sur des relations on peut aussi bien demander Grandparent(a,x)? 2 preuve par échec : si on ne trouve pas P on suppose que c est faux programmation logique

53 Adaptation 1 représentation et raisonnement pas toujours suffisant 2 évolutivité d un système 3 adaptation au changement 4 peut-on faire de l apprentissage automatiquement? ( en M2)

54 Exemple : diagnostic

55 Apprendre les règles Cas Prévisions Température Humidité Vent Sport E1 Soleil Chaude Elevée Faible NON E2 Soleil Chaude Elevée Fort NON E3 Couvert Chaude Elevée Faible OUI E4 Pluie Douce Elevée Faible OUI E5 Pluie Froide Normale Faible OUI E6 Pluie Froide Normale Fort NON E7 Couvert Froide Normale Fort OUI E8 Soleil Douce Elevée Faible NON E9 Soleil Froide Normale Faible OUI E10 Pluie Douce Normale Faible OUI E11 Soleil Douce Normale Fort OUI E12 Couvert Douce Elevée Fort OUI E13 Couvert Chaude Normale Faible OUI E14 Pluie Douce Elevée Fort NON

56 Apprendre les règles Sport? prévision météo soleil couvert pluie humidité OUI vent forte normale fort faible NON OUI NON OUI

57 Décision sur un nouveau cas? si Soleil+Température chaude+humidité normale+vent fort? prévision météo soleil humidité normale OUI

Bases de données Cours 5 : Base de données déductives

Bases de données Cours 5 : Base de données déductives Cours 5 : ESIL Université de la méditerranée Odile.Papini@esil.univmed.fr http://odile.papini.perso.esil.univmed.fr/sources/bd.html Plan du cours 1 Introduction 2 approche sémantique approche axiomatique

Plus en détail

TU VAS VISITER : Pour toi, qu est ce qu une ferme? - 1 -

TU VAS VISITER : Pour toi, qu est ce qu une ferme? - 1 - TU VAS VISITER : Pour toi, qu est ce qu une ferme? - 1 - LA FERME Qui travaille sur la ferme? le facteur l agriculteur le crémier Nommes les 4 saisons, et dessine un arbre pour chacune d elle. Qu est-ce

Plus en détail

Chapitre 2. Eléments pour comprendre un énoncé

Chapitre 2. Eléments pour comprendre un énoncé Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données

Plus en détail

IUT de Laval Année Universitaire 2008/2009. Fiche 1. - Logique -

IUT de Laval Année Universitaire 2008/2009. Fiche 1. - Logique - IUT de Laval Année Universitaire 2008/2009 Département Informatique, 1ère année Mathématiques Discrètes Fiche 1 - Logique - 1 Logique Propositionnelle 1.1 Introduction Exercice 1 : Le professeur Leblond

Plus en détail

Intelligence Artificielle Planification

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

Plus en détail

Les automates. Fabrice EUDES, Pascal EVRARD, Philippe MARQUET, François RECHER & Yann SECQ

Les automates. Fabrice EUDES, Pascal EVRARD, Philippe MARQUET, François RECHER & Yann SECQ Les automates Fabrice EUDES, Pascal EVRARD, Philippe MARQUET, François RECHER & Yann SECQ Avril 2015 Retour sur l île et le barman Deux problèmes similaires: Des îles, des bateaux et un trésor à trouver

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

Pourquoi l apprentissage?

Pourquoi l apprentissage? Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage

Plus en détail

Mémo de logique formelle élémentaire

Mémo de logique formelle élémentaire Université Paris-IV, DEUG de Philosophie Mémo de logique formelle élémentaire PH203A - 2004-2005 - TD Julien Dutant 6 décembre 2004 Le présent document un mémo de logique formelle élémentaire. 1 Il ne

Plus en détail

Activités de mesures sur la masse à l aide d unités de mesure conventionnelles. L unité de mesure la plus appropriée

Activités de mesures sur la masse à l aide d unités de mesure conventionnelles. L unité de mesure la plus appropriée Activités de mesures sur la masse à l aide d unités de mesure conventionnelles L unité de mesure la plus appropriée Dans cette activité, l élève choisit l unité de mesure la plus appropriée pour déterminer

Plus en détail

Rapport du Jury du Concours 2010 Épreuve Pratique d Algorithmique et de Programmation (EPAP)

Rapport du Jury du Concours 2010 Épreuve Pratique d Algorithmique et de Programmation (EPAP) Rapport du Jury du Concours 2010 Épreuve Pratique d Algorithmique et de Programmation (EPAP) Loris Marchal, Guillaume Melquion, Frédéric Tronel 21 juin 2011 Remarques générales à propos de l épreuve Organisation

Plus en détail

Objectifs. Identifier les effets différents que l on peut ressentir en observant une image

Objectifs. Identifier les effets différents que l on peut ressentir en observant une image Degré : 4P «Sous l océan» Buts Donner une intention précise à son œuvre Distinguer les couleurs chaudes des couleurs froides Appliquer les couleurs en fonction de son intention Associer un sentiment ou

Plus en détail

Introduction au WEB Sémantique Cours 2 : Ontologies

Introduction au WEB Sémantique Cours 2 : Ontologies Cours 2 : Ontologies ESIL Université de la méditerranée Odile.Papini@esil.univmed.fr http://odile.papini.perso.esil.univmed.fr/index.html Plan du cours 1 Introduction 2 3 4 5 Bibliographie I Supports de

Plus en détail

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1 Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation

Plus en détail

Cours 1 : Qu est-ce que la programmation?

Cours 1 : Qu est-ce que la programmation? 1/65 Introduction à la programmation Cours 1 : Qu est-ce que la programmation? Yann Régis-Gianas yrg@pps.univ-paris-diderot.fr Université Paris Diderot Paris 7 2/65 1. Sortez un appareil qui peut se rendre

Plus en détail

Principe et règles d audit

Principe et règles d audit CHAPITRE 2 Principe et règles d audit 2.1. Principe d audit Le principe et les règles d audit suivent logiquement l exposé précédent. D abord, comme dans toute branche de l activité d une entreprise, l

Plus en détail

Située à 50km de Paris, la Bergerie est le lieu idéal pour vos Séminaires.

Située à 50km de Paris, la Bergerie est le lieu idéal pour vos Séminaires. Située à 50km de Paris, la Bergerie est le lieu idéal pour vos Séminaires. Réservation au : CZE Bergerie Nationale Parc du Château CS 40609 78514 Rambouillet cedex Tel : 01 61 08 68 70 E mail : animation.bn@educagri.fr

Plus en détail

Annexe 3. Le concept : exemple d une situation d apprentissage.

Annexe 3. Le concept : exemple d une situation d apprentissage. Annexe 3. Le concept : exemple d une situation d apprentissage. Le concept choisi ici comme exemple est une figure arbitrairement définie, appelée «WEZ», reprise d une expérience de Smoke cité dans un

Plus en détail

Model checking temporisé

Model checking temporisé Model checking temporisé Béatrice Bérard LAMSADE Université Paris-Dauphine & CNRS berard@lamsade.dauphine.fr ETR 07, 5 septembre 2007 1/44 Nécessité de vérifier des systèmes... 2/44 Nécessité de vérifier

Plus en détail

Indications pour une progression au CM1 et au CM2

Indications pour une progression au CM1 et au CM2 Indications pour une progression au CM1 et au CM2 Objectif 1 Construire et utiliser de nouveaux nombres, plus précis que les entiers naturels pour mesurer les grandeurs continues. Introduction : Découvrir

Plus en détail

Comment ²se ²sentent ²le$ cochon$? Igor ²et ²le$ ²troi$ ²petit$ cochon$ Igoretlestroispetitscochons. Prénom : Date : Sépare les mots.

Comment ²se ²sentent ²le$ cochon$? Igor ²et ²le$ ²troi$ ²petit$ cochon$ Igoretlestroispetitscochons. Prénom : Date : Sépare les mots. LC 5 n Sépare les mots. Igoretlestroispetits Colorie les bons titres. Igor et les froids petits Igor et les trois petites cochonnes Igor et les trois petits Igor et les tous petits Isydor et les trois

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

Utilisation des tableaux sémantiques dans les logiques de description

Utilisation des tableaux sémantiques dans les logiques de description Utilisation des tableaux sémantiques dans les logiques de description IFT6281 Web Sémantique Jacques Bergeron Département d informatique et de recherche opérationnelle Université de Montréal bergerja@iro.umontreal.ca

Plus en détail

Compréhension de lecture

Compréhension de lecture o Coche pour indiquer si les phrases sont es ou o Paul et Virginie sont assis sur des fauteuils très confortables. o Virginie a une robe à pois. o Paul boit un café fumant dans une tasse rouge. o Virginie

Plus en détail

Objectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)

Objectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2) Objectifs du cours d aujourd hui Informatique II : Cours d introduction à l informatique et à la programmation objet Complexité des problèmes Introduire la notion de complexité d un problème Présenter

Plus en détail

Jeux mathématiques en maternelle. Activités clés. Jeu des maisons et des jardins (Yvette Denny PEMF)

Jeux mathématiques en maternelle. Activités clés. Jeu des maisons et des jardins (Yvette Denny PEMF) Activités clés NIVEAU : PS/MS Jeu des maisons et des jardins (Yvette Denny PEMF) Compétences Construire les premiers nombres dans leur aspect cardinal Construire des collections équipotentes Situation

Plus en détail

Compilateurs : Analyse lexicale. Vous êtes ici 2. Analyse lexicale 4. Matthieu Amiguet. En entrée d un compilateur, on a généralement un fichier

Compilateurs : Analyse lexicale. Vous êtes ici 2. Analyse lexicale 4. Matthieu Amiguet. En entrée d un compilateur, on a généralement un fichier Compilateurs : Matthieu Amiguet 2009 2010 Vous êtes ici 2 Partie Avant Analyse syntaxique Analyse sémantique Arbre syntaxique abstrait (AST) Partie Arrière Optimisation de l AST Génération de code Optimisation

Plus en détail

2 e partie de la composante majeure (8 points) Les questions prennent appui sur six documents A, B, C, D, E, F (voir pages suivantes).

2 e partie de la composante majeure (8 points) Les questions prennent appui sur six documents A, B, C, D, E, F (voir pages suivantes). SUJET DE CONCOURS Sujet Exploitation d une documentation scientifique sur le thème de l énergie 2 e partie de la composante majeure (8 points) Les questions prennent appui sur six documents A, B, C, D,

Plus en détail

UNIVERSITE D ORLEANS SL01MA11, Groupes 1 et 5 Département de Mathématiques 2009-2010. N. El Hage Hassan S EXPRIMER EN MATHÉMATIQUES

UNIVERSITE D ORLEANS SL01MA11, Groupes 1 et 5 Département de Mathématiques 2009-2010. N. El Hage Hassan S EXPRIMER EN MATHÉMATIQUES UNIVERSITE D ORLEANS SL01MA11, Groupes 1 et 5 Département de Mathématiques 2009-2010 N. El Hage Hassan S EXPRIMER EN MATHÉMATIQUES 1 Les énoncés La plupart des phrases que l on rencontre dans un livre

Plus en détail

Évaluation et implémentation des langages

Évaluation et implémentation des langages Évaluation et implémentation des langages Les langages de programmation et le processus de programmation Critères de conception et d évaluation des langages de programmation Les fondations de l implémentation

Plus en détail

A l aide de votre e-mail vous pouvez visiter un site web!

A l aide de votre e-mail vous pouvez visiter un site web! A l aide de votre e-mail vous pouvez visiter un site web! par Ueli Scheuermeier, LBL Êtes vous parmi ces agents de terrain qui ont la possibilité de se servir de l e-mail? Mais vous arrivez pas à naviguer

Plus en détail

Rentrée 2014 Francine Eichenberger Diététicienne

Rentrée 2014 Francine Eichenberger Diététicienne Rentrée 2014 Francine Eichenberger Diététicienne L alimentation : partie intégrante de la prise en charge de l enfant et de l adolescent diabétique base du traitement avec l insulinothérapie et l activité

Plus en détail

CH.8 Décidabilité. Propriétés des langages récursifs : Fermés par complémentation, union et intersection. oui. non. oui M 1. non. oui M 2.

CH.8 Décidabilité. Propriétés des langages récursifs : Fermés par complémentation, union et intersection. oui. non. oui M 1. non. oui M 2. CH.8 Décidabilité 8.1 Les langages récursifs 8.2 La machine de Turing universelle 8.3 Des problèmes de langages indécidables 8.4 D'autres problèmes indécidables Automates ch8 1 8.1 Les langages récursifs

Plus en détail

Exercices de dénombrement

Exercices de dénombrement Exercices de dénombrement Exercice En turbo Pascal, un entier relatif (type integer) est codé sur 6 bits. Cela signifie que l'on réserve 6 cases mémoires contenant des "0" ou des "" pour écrire un entier.

Plus en détail

BO 11 juin 2008 Découvrir le monde Découvrir le vivant. et les cinq sens : leurs caractéristiques et leurs fonctions.

BO 11 juin 2008 Découvrir le monde Découvrir le vivant. et les cinq sens : leurs caractéristiques et leurs fonctions. BO 11 juin 2008 Découvrir le monde Découvrir le vivant Ils (les élèves) découvrent les parties du corps et les cinq sens : leurs caractéristiques et leurs fonctions. Le goût Objectifs : Reconnaitre les

Plus en détail

Grammaires d unification

Grammaires d unification Cours sur le traitement automatique des langues (IV) Violaine Prince Université de Montpellier 2 LIRMM-CNRS Grammaires d unification Grammaire catégorielle Grammaire syntagmatique généralisée (GPSG) Les

Plus en détail

SCÉNARIO D APPRENTISSAGE

SCÉNARIO D APPRENTISSAGE SCÉNARIO D APPRENTISSAGE TITRE DE L ACTIVITÉ : L EAU, UNE RESSOURCE INESTIMABLE! NIVEAU VISÉ : Maternelle DURÉE DE L ACTIVITÉ : activité reliée à un thème du mois. On prend le temps nécessaire pour atteindre

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

Calculabilité Cours 3 : Problèmes non-calculables. http://www.irisa.fr/lande/pichardie/l3/log/

Calculabilité Cours 3 : Problèmes non-calculables. http://www.irisa.fr/lande/pichardie/l3/log/ Calculabilité Cours 3 : Problèmes non-calculables http://www.irisa.fr/lande/pichardie/l3/log/ Problèmes et classes de décidabilité Problèmes et classes de décidabilité Nous nous intéressons aux problèmes

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

APPRENEZ L ANGLAIS RAPIDEMENT... Rien de plus simple!

APPRENEZ L ANGLAIS RAPIDEMENT... Rien de plus simple! APPRENEZ L ANGLAIS RAPIDEMENT... Rien de plus simple! NIVEAU / LEVEL I SEMAINE / WEEK 3 Par Bob McDuff AVANT-PROPOS ET DIRECTIVES AVANT-PROPOS BONJOUR! JE M APPELLE BOB MCDUFF, LE PROF D ANGLAIS. JE VOUS

Plus en détail

7.1 Un exemple en guise d introduction : Gérer les incompatibilités

7.1 Un exemple en guise d introduction : Gérer les incompatibilités CHAPITRE 7 COLORATION DE GRAPHES 51 Chapitre 7: Coloration de graphes 7.1 Un exemple en guise d introduction : Gérer les incompatibilités Problème : Une entreprise qui fabrique six sortes de produits chimiques

Plus en détail

Formula Negator, Outil de négation de formule.

Formula Negator, Outil de négation de formule. Formula Negator, Outil de négation de formule. Aymerick Savary 1,2, Mathieu Lassale 1,2, Jean-Louis Lanet 1 et Marc Frappier 2 1 Université de Limoges 2 Université de Sherbrooke Résumé. Cet article présente

Plus en détail

OUTILS EN INFORMATIQUE

OUTILS EN INFORMATIQUE OUTILS EN INFORMATIQUE Brice Mayag brice.mayag@dauphine.fr LAMSADE, Université Paris-Dauphine R.O. Excel brice.mayag@dauphine.fr (LAMSADE) OUTILS EN INFORMATIQUE R.O. Excel 1 / 35 Plan Présentation générale

Plus en détail

3. SPÉCIFICATIONS DU LOGICIEL. de l'expression des besoins à la conception. Spécifications fonctionnelles Analyse fonctionnelle et méthodes

3. SPÉCIFICATIONS DU LOGICIEL. de l'expression des besoins à la conception. Spécifications fonctionnelles Analyse fonctionnelle et méthodes PLAN CYCLE DE VIE D'UN LOGICIEL EXPRESSION DES BESOINS SPÉCIFICATIONS DU LOGICIEL CONCEPTION DU LOGICIEL LA PROGRAMMATION TESTS ET MISE AU POINT DOCUMENTATION CONCLUSION C.Crochepeyre Génie Logiciel Diapason

Plus en détail

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e

Plus en détail

Vous incarnez un surdoué en informatique qui utilise son ordinateur afin de pirater des comptes bancaires un peu partout dans le monde et s en mettre

Vous incarnez un surdoué en informatique qui utilise son ordinateur afin de pirater des comptes bancaires un peu partout dans le monde et s en mettre Vous incarnez un surdoué en informatique qui utilise son ordinateur afin de pirater des comptes bancaires un peu partout dans le monde et s en mettre plein les poches. Problème : vous n êtes pas seul!

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

QUIZZ! C est toi l expert en énergie! Ta mission: Répondre aux questions du cahier en explorant cette maison sur le site energie-environnement.

QUIZZ! C est toi l expert en énergie! Ta mission: Répondre aux questions du cahier en explorant cette maison sur le site energie-environnement. QI! C est toi l expert en énergie! a mission: Répondre aux questions du cahier en explorant cette maison sur le site energie-environnement.ch i tu réponds correctement, tu obtiendras un code secret qui

Plus en détail

CODE DE LA ROUTE. Points particuliers à savoir / à retenir :

CODE DE LA ROUTE. Points particuliers à savoir / à retenir : CODE DE LA ROUTE Points particuliers à savoir / à retenir : - Distance écart avec un cycliste ou un piéton que l on double : 1,5 m en campagne, 1 m en ville. - Les lampes bleues dans un tunnel sont des

Plus en détail

Adaptation et Interopérabilité des hypermédias éducatifs

Adaptation et Interopérabilité des hypermédias éducatifs Adaptation et Interopérabilité des hypermédias éducatifs «Cas de netuniversité : Une plate-forme basée sur IMS-LD, pour la conception de cours en ligne» Amir BENMIMOUN Philippe TRIGANO Ecole d été APREV

Plus en détail

Jade. Projet Intelligence Artificielle «Devine à quoi je pense»

Jade. Projet Intelligence Artificielle «Devine à quoi je pense» Jade Projet Intelligence Artificielle «Devine à quoi je pense» Réalisé par Djénéba Djikiné, Alexandre Bernard et Julien Lafont EPSI CSII2-2011 TABLE DES MATIÈRES 1. Analyse du besoin a. Cahier des charges

Plus en détail

KEEZAM 10 JEUX POUR JOUER DANS LE CAR OU LE TRAIN, EN COLO, MINI-SÉJOUR, CAMP D ADOS, VOYAGE SCOLAIRE,... Fiche Animateurs

KEEZAM 10 JEUX POUR JOUER DANS LE CAR OU LE TRAIN, EN COLO, MINI-SÉJOUR, CAMP D ADOS, VOYAGE SCOLAIRE,... Fiche Animateurs KEEZAM Simplifie l organisation des séjours enfants et ados. www.keezam.fr Fiche Animateurs Nombre de pages : 8 10 JEUX POUR JOUER DANS LE CAR OU LE TRAIN, EN COLO, MINI-SÉJOUR, CAMP D ADOS, VOYAGE SCOLAIRE,...

Plus en détail

Introduction. Chapitre 1. 1.1 Introduction. 1.1.1 Bibliothèques. 1.1.2 Programmation de Haute Qualité

Introduction. Chapitre 1. 1.1 Introduction. 1.1.1 Bibliothèques. 1.1.2 Programmation de Haute Qualité Chapitre 1 Introduction Buts du chapitre : Motivation pour l étude des types abstraits de données ; Syntaxe de base pour l écriture de spécifications. 1.1 Introduction 1.1.1 Bibliothèques 1. L3, déjà une

Plus en détail

1) Explications (Expert) :

1) Explications (Expert) : 1) Explications (Expert) : Mesures expérimentales : Dans nos conditions d expérience, nous avons obtenu les résultats suivants : Les dimensions des récipients sont : 1) bocal vide : épaisseur de verre

Plus en détail

LA MESURE DE PRESSION PRINCIPE DE BASE

LA MESURE DE PRESSION PRINCIPE DE BASE Page 1 / 6 LA MESURE DE PRESSION PRINCIPE DE BASE 1) Qu est-ce qu un sensor de pression? Tout type de sensor est composé de 2 éléments distincts : Un corps d épreuve soumit au Paramètre Physique φ à mesurer

Plus en détail

EXAMEN PROFESSIONNEL DE VERIFICATION D APTITUDE AUX FONCTIONS D ANALYSTE-DEVELOPPEUR SESSION 2009

EXAMEN PROFESSIONNEL DE VERIFICATION D APTITUDE AUX FONCTIONS D ANALYSTE-DEVELOPPEUR SESSION 2009 EXAMEN PROFESSIONNEL DE VERIFICATION D APTITUDE AUX FONCTIONS D ANALYSTE-DEVELOPPEUR SESSION 2009 EPREUVE ECRITE D ADMISSIBILITE DU 14 MAI 2009 ETUDE D UN CAS D AUTOMATISATION PERMETTANT D APPRECIER LA

Plus en détail

Initiation à la Programmation en Logique avec SISCtus Prolog

Initiation à la Programmation en Logique avec SISCtus Prolog Initiation à la Programmation en Logique avec SISCtus Prolog Identificateurs Ils sont représentés par une suite de caractères alphanumériques commençant par une lettre minuscule (les lettres accentuées

Plus en détail

19.TABLE DES MATIERES

19.TABLE DES MATIERES 19.TABLE DES MATIERES INTRODUCTION Un chien peut-il naître dans l obéissance? 5 1. LA REFLEXION AVANT LE CHOIX Quelle est la place du chien de compagnie? 9 Est-ce que je serai un bon propriétaire? 9 Les

Plus en détail

Maîtrise du risque infectieux en EHPAD

Maîtrise du risque infectieux en EHPAD Sommaire Maîtrise du risque infectieux en EHPAD Préparation et distribution des repas 1. Objectifs La distribution des repas peut présenter des pratiques diverses et nécessite de présenter de manière synthétique

Plus en détail

Fiche technique n 1 : le logement construction des boxes.

Fiche technique n 1 : le logement construction des boxes. Bâtiments d élevage : Pourquoi? Aspects climatiques : Fiche technique n 1 : le logement construction des boxes. - le porc est sensible aux brusques changements du climat, - surexposition au soleil : déshydratation

Plus en détail

GRAPHES : PLATEAUX DE JEU

GRAPHES : PLATEAUX DE JEU 1 GRAPHES : PLATEAUX DE JEU Contenu GRAPHES : PLATEAUX DE JEU... 1 Snort... 2 Dames chinoises sur damier... 3 Le loup et les brebis... 4 Awithlaknannai mosona... 5 Alquerque... 6 Peralikatama... 7 Renard

Plus en détail

Mesures et incertitudes

Mesures et incertitudes En physique et en chimie, toute grandeur, mesurée ou calculée, est entachée d erreur, ce qui ne l empêche pas d être exploitée pour prendre des décisions. Aujourd hui, la notion d erreur a son vocabulaire

Plus en détail

Université de Bangui. Modélisons en UML

Université de Bangui. Modélisons en UML Université de Bangui CRM Modélisons en UML Ce cours a été possible grâce à l initiative d Apollinaire MOLAYE qui m a contacté pour vous faire bénéficier de mes connaissances en nouvelles technologies et

Plus en détail

Chapitre 3 : Introduction aux probabilités

Chapitre 3 : Introduction aux probabilités IUT de Sceaux Département TC1 Mathématiques Chapitre 3 : Introduction aux probabilités 1. Évènements Les événements élémentaires sont les issues possibles d'une expérience aléatoire. Un événement est un

Plus en détail

III- Raisonnement par récurrence

III- Raisonnement par récurrence III- Raisonnement par récurrence Les raisonnements en mathématiques se font en général par une suite de déductions, du style : si alors, ou mieux encore si c est possible, par une suite d équivalences,

Plus en détail

Cahier des Charges de l aire de jeu Trophées de Robotique 2011 Eurobot Junior

Cahier des Charges de l aire de jeu Trophées de Robotique 2011 Eurobot Junior Cahier des Charges de l aire de jeu Trophées de Robotique 2011 Eurobot Junior PAGE 1 SUR 22 Cahier des Charges de l aire de jeu... Cahier des Charges de l aire de jeu PAGE 2 SUR 22 1. Généralités Important

Plus en détail

Master Recherche Science Technologie Santé Mention : Informatique Spécialité : Informatique Fondamentale

Master Recherche Science Technologie Santé Mention : Informatique Spécialité : Informatique Fondamentale Master Recherche Science Technologie Santé Mention : Informatique Spécialité : Informatique Fondamentale E. Fleury Eric.Fleury@inria.fr http://perso.ens-lyon.fr/eric.fleury/ Présentation générale 3 parcours

Plus en détail

Comment bien s hydrater pendant l été?

Comment bien s hydrater pendant l été? Comment bien s hydrater pendant l été? C est bien connu, il faut boire davantage en été pour ne pas se déshydrater, notamment en cas de forte chaleur. Il faut en effet être vigilant dès que la température

Plus en détail

Chapitre 4 : Guide de Mouvement et Masque

Chapitre 4 : Guide de Mouvement et Masque Cours Flash Chapitre 4 : Guide de Mouvement et Masque Rappel : les fichiers fla et swf sont dans le fichier «4_Guide de mouvement et masque.zip». SOMMAIRE 1 OBJECTIFS DU CHAPITRE... 1 2 INTRODUCTION...

Plus en détail

Atelier. Outils de mesure et de diagnostic. Espace INFO ÉNERGIE Nancy Grands Territoires nancygrandsterritoires@eie-lorraine.fr

Atelier. Outils de mesure et de diagnostic. Espace INFO ÉNERGIE Nancy Grands Territoires nancygrandsterritoires@eie-lorraine.fr Atelier Outils de mesure et de diagnostic Espace INFO ÉNERGIE Nancy Grands Territoires nancygrandsterritoires@eie-lorraine.fr Sommaire Comment mesurer et diagnostiquer : 1) La qualité de l air intérieur

Plus en détail

Activités pour la maternelle PS MS GS

Activités pour la maternelle PS MS GS Gcompris V.8.4.4 linux 1 Activités pour la maternelle SOMMAIRE : Gcompris : Qu est-ce que c est? 2 Remarques et problèmes rencontrés dans la mise en œuvre en classe 3 Liste des activités pour la maternelle

Plus en détail

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5

ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5 ACTUARIAT 1, ACT 2121, AUTOMNE 2013 #4-5 ARTHUR CHARPENTIER 1 Un certain test médical révèle correctement, avec probabilité 0.85, qu une personne a le sida lorsqu elle l a vraiment et révèle incorrectement,

Plus en détail

Fluctuation d une fréquence selon les échantillons - Probabilités

Fluctuation d une fréquence selon les échantillons - Probabilités Fluctuation d une fréquence selon les échantillons - Probabilités C H A P I T R E 3 JE DOIS SAVOIR Calculer une fréquence JE VAIS ÊTRE C APABLE DE Expérimenter la prise d échantillons aléatoires de taille

Plus en détail

Les apports de l informatique. Aux autres disciplines

Les apports de l informatique. Aux autres disciplines Les apports de l informatique Aux autres disciplines Le statut de technologie ou de sous-discipline est celui de l importation l et de la vulgarisation Le statut de science à part entière est lorsqu il

Plus en détail

Algorithmique et programmation avec Java (NFA002)

Algorithmique et programmation avec Java (NFA002) Algorithmique et programmation avec Java (NFA002) Deuxième session 13 septembre 2012 Aucun document n est autorisé. Le barème est donné à titre indicatif. Exercice 1 : listes (4 points) Etudiez le programme

Plus en détail

Les Entrepôts de Données

Les Entrepôts de Données Les Entrepôts de Données Grégory Bonnet Abdel-Illah Mouaddib GREYC Dépt Dépt informatique :: GREYC Dépt Dépt informatique :: Cours Cours SIR SIR Systèmes d information décisionnels Nouvelles générations

Plus en détail

Fiche pédagogique : ma famille et moi

Fiche pédagogique : ma famille et moi Fiche pédagogique : ma famille et moi Tâche finale de l activité : Jouer au «Cluedo» Niveau(x) Cycle 3 Contenu culturel : - jeux de sociétés Connaissances : Connaissances requises : - cf séquences primlangue

Plus en détail

Réalisabilité et extraction de programmes

Réalisabilité et extraction de programmes Mercredi 9 mars 2005 Extraction de programme: qu'est-ce que c'est? Extraire à partir d'une preuve un entier x N tel que A(x). π x N A(x) (un témoin) (En fait, on n'extrait pas un entier, mais un programme

Plus en détail

Manuel d'utilisation du site Deptinfo (Mise en route)

Manuel d'utilisation du site Deptinfo (Mise en route) Manuel d'utilisation du site Deptinfo (Mise en route) 1)Nouveautés apportées par le nouveau site...2 2) Accès à l espace privé... 3 a) Accès... 3 b) Identification... 3 c)page d accueil de l espace privé...4

Plus en détail

Tout au long de l année

Tout au long de l année Objectifs Familiariser les élèves avec le relevé d informations sur un journal de bord. Apprendre aux élèves à utiliser des instruments d observation scientifiques. Réaliser des dessins d observations

Plus en détail

Ton enfant est né Apprends à le protéger

Ton enfant est né Apprends à le protéger Ton enfant est né Apprends à le protéger Plan régional pour la prévention des accidents de la route et des accidents domestiques But de cette brochure Cette brochure est un bref guide pour connaître les

Plus en détail

UML et les Bases de Données

UML et les Bases de Données CNAM UML et les Bases de Données UML et les Bases de Données. Diagramme de classes / diagramme d objets (UML)...2.. Premier niveau de modélisation des données d une application...2.2. Les éléments de modélisation...2.2..

Plus en détail

Gestion de la crise sanitaire grippe A

Gestion de la crise sanitaire grippe A Gestion de la crise sanitaire grippe A Sommaire de la présentation Nature du risque lié au virus A H1N1 Plan gouvernemental de pandémie grippale Mesures de protection Historique de la grippe La grippe

Plus en détail

Au sein de l UE, il existe plus de 20 langues officielles parlées et des milliers de fournisseurs de trains, de bus et d avions.

Au sein de l UE, il existe plus de 20 langues officielles parlées et des milliers de fournisseurs de trains, de bus et d avions. Press Kit Au sein de l UE, il existe plus de 20 langues officielles parlées et des milliers de fournisseurs de trains, de bus et d avions. L un des objectifs de GoEuro est de couvrir cet espace au travers

Plus en détail

Des portions adaptées à vos besoins. Nous changeons nos besoins aussi! Senior

Des portions adaptées à vos besoins. Nous changeons nos besoins aussi! Senior À chacun sa portion Nous changeons nos besoins aussi! Des portions adaptées à vos besoins,, adulte ou senior, nos besoins alimentaires évoluent au fil de nos vies. Ils diffèrent également entre les femmes

Plus en détail

Intelligence Artificielle et Robotique

Intelligence Artificielle et Robotique Intelligence Artificielle et Robotique Introduction à l intelligence artificielle David Janiszek david.janiszek@parisdescartes.fr http://www.math-info.univ-paris5.fr/~janiszek/ PRES Sorbonne Paris Cité

Plus en détail

Déduire «Les employées de bureau»

Déduire «Les employées de bureau» «Les employées de bureau» 25-31 Niveau 3 Entraînement 1 Objectifs Applications Matériel Consignes Remarques Transferts possibles Individualisation - S'entraîner à comparer des données. - S'entraîner à

Plus en détail

Brevet des collèges, correction, Métropole, 28 juin 2011

Brevet des collèges, correction, Métropole, 28 juin 2011 Brevet des collèges, correction, Métropole, 28 juin 2011 Activités numériques 12 points Exercice 1 Un dé cubique a 6 faces peintes : une en bleu, une en rouge, une en jaune, une en vert et deux en noir.

Plus en détail

Une brique dans le cartable. Du Plan à l Ouvrage

Une brique dans le cartable. Du Plan à l Ouvrage Une brique dans le cartable Du Plan à l Ouvrage Une brique dans le cartable Du plan à l ouvrage Visites et rencontres possibles - Rencontre avec un architecte o Voir la création des plans (orientation

Plus en détail

SOMMAIRE. PS 1 : Nos activités en petite section 1... 3. PS 2 : La classe de petite section 2 à la ferme... 5. MS 1 : L odorat en M.S. 1...

SOMMAIRE. PS 1 : Nos activités en petite section 1... 3. PS 2 : La classe de petite section 2 à la ferme... 5. MS 1 : L odorat en M.S. 1... SOMMAIRE PS 1 : Nos activités en petite section 1... 3 PS 2 : La classe de petite section 2 à la ferme... 5 MS 1 : L odorat en M.S. 1... 7 MS 2 : La semaine des 5 sens en Moyenne Section... 8 MS 3 : La

Plus en détail

Le capteur solaire thermique : un exemple concret

Le capteur solaire thermique : un exemple concret Le capteur solaire thermique : un exemple concret Une utilisation possible du soleil est le chauffage de l eau sanitaire, utilisée pour se laver, pour faire la vaisselle ou encore le ménage. Il s agit

Plus en détail

L import massif introduit plusieurs nouvelles fonctionnalités, selon que l on importe un thésaurus, un ensemble de valeurs contrôlées ou un corpus.

L import massif introduit plusieurs nouvelles fonctionnalités, selon que l on importe un thésaurus, un ensemble de valeurs contrôlées ou un corpus. Import Massif Nouvelles fonctionnalités L import massif introduit plusieurs nouvelles fonctionnalités, selon que l on importe un thésaurus, un ensemble de valeurs contrôlées ou un corpus. Le fonctionnement

Plus en détail

Chapitre 6 La lumière des étoiles Physique

Chapitre 6 La lumière des étoiles Physique Chapitre 6 La lumière des étoiles Physique Introduction : On ne peut ni aller sur les étoiles, ni envoyer directement des sondes pour les analyser, en revanche on les voit, ce qui signifie qu'on reçoit

Plus en détail

Vous trouvez plus d information sur AREL. ainsi que sur : http://www.eisti.fr/ mma/html-iad/iad.html

Vous trouvez plus d information sur AREL. ainsi que sur : http://www.eisti.fr/ mma/html-iad/iad.html ainsi que sur : http://www.eisti.fr/ mma/html-iad/iad.html Option Deux thèmes : La recherche opérationnelle : Traiter des problèmes d optimisation, d aide à la décision et d évaluation de performances

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

Informatique en CPP. Amphi 1 : Matthieu Moy Amphi 2 : Frédéric Devernay

Informatique en CPP. Amphi 1 : Matthieu Moy <Matthieu.Moy@imag.fr> Amphi 2 : Frédéric Devernay <Frederic.Devernay@inria.fr> Informatique en CPP Cours : Amphi 1 : Matthieu Moy Amphi 2 : Frédéric Devernay Travaux pratiques : A : Matthieu Moy B : Romain Casati

Plus en détail

TEMPÉRATURE DE SURFACE D'UNE ÉTOILE

TEMPÉRATURE DE SURFACE D'UNE ÉTOILE TEMPÉRATURE DE SURFACE D'UNE ÉTOILE Compétences mises en jeu durant l'activité : Compétences générales : Etre autonome S'impliquer Elaborer et réaliser un protocole expérimental en toute sécurité Compétence(s)

Plus en détail

1 Comptage de solutions et escaliers

1 Comptage de solutions et escaliers Licence Informatique Systèmes polynomiaux, que signifie : résoudre? Feuille de TD numéro 11 1 Comptage de solutions et escaliers Question 1. On considère le système suivant p1 := 2*x*y^2 + 3*x^2-5*y^3

Plus en détail

Les enfants malentendants ont besoin d aide très tôt

Les enfants malentendants ont besoin d aide très tôt 13 CHAPITRE 2 Les enfants malentendants ont besoin d aide très tôt Pendant les premières années de leur vie, tous les enfants, y compris les enfants malentendants, apprennent rapidement et facilement les

Plus en détail