Module 3 : Introduction à la Modélisation SOUS MODELER

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Module 3 : Introduction à la Modélisation SOUS MODELER"

Transcription

1 Module 3 : Introduction à la Modélisation SOUS MODELER 1

2 Techniques prédictives Passé pour prédire l avenir 2

3 Concepts de la modélisation Données test / apprentissage Généralement créées par l utilisateur pour permettre une validation indépendante des modèles. Parfois l algorithme divise automatiquement les données en données d apprentissage/test Prédire la cible qu est-ce que nous essayons de prédire? Rôle de chaque champs dans le modèle Directions (terminologie Modeler) IN, OUT, LES DEUX, AUCUNE Précision Combien de fois le modèle prédit correctement? Ou pour les nombres, moyenne d erreur, corrélation, Confiance à quel point cette prédiction peut être correcte? Parfois ce n est pas une probabilité, mais juste une indication Les questions de l équilibre Est-ce les oui / non sont de proportions égales 50/50? Quelle différence peut-il faire? 3

4 Modèles Prédictifs Certains modèles sont meilleurs que d autres : Précision Compréhension Modèles varient entre facile à comprendre à incompréhensible Arbre de Décision Règles d induction Modèles de Régression Réseaux de Neurones Simple Complexe 4

5 Atelier 3 : Modélisation sous clementine Atelier 1: Mise en œuvre de Réseaux de Neurones Atelier 2: Induction de Règles avec Clementine Atelier 3 : Combiner l Induction de Règles et les Réseaux de Neurones Atelier 4: Algorithmes de Classification Atelier 5 : Règles d associations 5

6 Algorithmes de Modélisation Analyse Factorielle PCA/Facteur Classification / prédiction R. Neuronnes, C5.0, CHAID, C&RT, Quest, Régression Logistique, Régression Linéaire, Segmentation Réseau de Kohonen, TwoStep, K-Means Association Apriori, GRI, CARMA, Séquence 6

7 Travail pratique 5 : Mise en œuvre de Réseaux de Neurones SPSS Maghreb 7

8 Utilisation d un R. neurones 8 Supposons vouloir construire un modèle pour prédire le Risque. Nettoyer votre espace de travail Sélectionner le nœud source SPSS et placez-le sur l espace de travail Sélectionner le fichier «Exemple.sav» Auditer les données et procéder à la préparation de données les valeurs manquantes des variables sexe (variable qualitative) et âge (variable quantitative) devront être remplacées respectivement par le mode et la moyenne Faites un recodage de la variable Risque en risque_rec de sorte à ne garder que deux modalités : mauvais et (Bon & Moyen)

9 Utilisation d un R. neurones Etape 2 : Partitionnement des données (70/30) Exécutez le nœud partition Les données seront divisées en deux ensembles apprentissage et test de proportion respective de 70% et 30%. Etape 3 : modélisation par un RN simple : paramétrage par défaut Charger le nœud RN Editez le nœud RN_SEQ relié au nœud Typer Le modèle de réseau de neurones choisi est le perceptron multicouche (MLP). vous pouvez choisir le modèle fonction radiale de base (RBF). Lancez le nœud réseau de neurones 9

10 Utilisation d un R. neurones Règles d arrêt Choix de la méthode : MLP 83% de précision globale 38 % de précision de la modalité mauvais 10

11 Utilisation d un R. neurones Importance des variables prédictives Prévision du risque et confiance générée par le RN sans equilibre 11

12 Analyse des résultats du RN Importance des variables prédictives Prévision du risque et confiance générée par le RN sans equilibre 12

13 Analyse des résultats du RN 13

14 Analyse des résultats du RN 14

15 Scénario 2 : Prévision du risque par RN après Equilibre de la cible Précision de la modalité mauvais risque améliorée : 73,6% 15

16 Scénario 2 : Prévision du risque par RN après Equilibre de la cible Précision globale peu améliorée 16

17 Scénario 2 : Prévision du risque par RN après Equilibre de la cible Calcul du score de risque par RN Score de risque élevé par RN 17

18 Scénario 2 : Prévision du risque par RN après Equilibre de la cible Ciblage des clients à fort potentiel de risque 18

19 Calcul de score Risque _RN Procédez à un recodage de la variable Risque : 1 risque mauvais 2 et 3 risque moyen et bon Refaire la modélisation en équilibrant par réduction Puis calculer le score de risque selon la formule suivante et produire la distribution du score par risque_rec 19

20 Travail pratique 6 : Induction de Règles Sous Modeler 20

21 Utilisation des Techniques d Induction de Règles 21 Attacher le noeud modèle C5.0 à la source de données exemple.sav et Typer Assurez-vous que risque = OUT et ID = AUCUN Exécuter le Modèle après la préparation des données Explorer le Modèle Arbre Montrer les Instances et Confidences Génération de règles à partir de l arbre

22 Utilisation des Techniques d Induction de Règles : comparaison RN, C5 SPSS Maghreb 22

23 Utilisation des Techniques d Induction de Règles : comparaison RN, C5 Un arbre de profondeur 2 est obtenu. Deux règles pour la prévision du risque mauvais sont générées : Règle 1 : Si le nombre de cartes de fidélité est au plus 3 et le nb de cartes de crédit est au moins 4 alors 66,6 % de chance que le client soit à risque. La règle est vérifiée par 95 cas. Règle 2 : Si le nb de carte de fidélité est au moins 4 alors la probabilité de risque est 81,4 % et 430 cas la vérifient. SPSS Maghreb 23

24 Utilisation des Techniques d Induction de Règles : comparaison RN, C5 Un arbre de profondeur 2 est obtenu. Deux règles pour la prévision du risque mauvais sont générées : Règle 1 : Si le nombre de cartes de fidélité est au plus 3 et le nb de cartes de crédit est au moins 4 alors 66,6 % de chance que le client soit à risque. La règle est vérifiée par 95 cas. Règle 2 : Si le nb de carte de fidélité est au moins 4 alors la probabilité de risque est 81,4 % et 430 cas la vérifient. SPSS Maghreb 24

25 création d un modèle de prévision par CHAID SPSS Maghreb 25

26 Résultats d un modèle de prévision par CHAID Deux règles sont générées pour le risque mauvais : Règle 1 : Si le nombre de cartes de crédits est 3 et le client est marié alors 95,2% de chance qu il soit à risque et 80 cas la vérifient. Règle 2 : Si le nombre de cartes de crédits est plus que 4 alors 67,3% de chance qu il soit à risque et 214 cas la vérifient. Evidemment les règles de C5 sont différentes de celles de CHAID malgré le fait que les deux modèles sont équivalents en terme de précision globale et spécifique. L homme métier choisira le modèle le plus simple à déployer. SPSS Maghreb 26

27 Travail pratique 7 : Combiner l Induction de Règles et les Réseaux de Neurones SPSS Maghreb 27

28 Rule Induction de Règles avant un R. Neurones R. Neurone (à l exception de Prune) concerve tous les inputs lors de la construction d un modèle. Utilisez les données Exemple.sav Exécuter le noeud C5.0 après typage Examiner le modèle C5 généré Sélectionner Générer puis Filtrer Clementine génère automatiquement un noeud filtrer Connecter le noeud Filtrer au flux et éditez-le pour l examiner SPSS Maghreb 28

29 Induction de règles après un R. de Neurones Utiliser le flux précédent Éditer le second noeud Typer $N-risque = OUT $NC-risque et RISK = NONE Attacher C5.0 et exécuter Réexaminer les résultats du modèle C5 Avez-vous une meilleure compréhension du modèle neuronale? SPSS Maghreb 29

30 Induction de règles après un R. de Neurones SPSS Maghreb 30

31 Induction de règles après un R. de Neurones Génération d un ensemble de règles SPSS Maghreb 31

32 Travail pratique 8 : Algorithmes de Classification SPSS Maghreb 32

33 Travail pratique 8 : Algorithmes de Classification SPSS Maghreb 33

34 CF. Atelier : Techniques non supervisées de classification Etape 1 de modélisation Etape 2 de description des classes Etape 3 de scroing par classes 34

35 CF. Atelier : Techniques non supervisées de classification 35 Chargez le fichier de données EXEMPLE.SAV Auditer les données et procéder à la préparation de données de manière similaire à la modélisation supervisée. On laissera le risque à trois modalités Typer les données en spécifiant les variables d entrée Charger le nœud 2_Step et Editez le

36 Navigation dans le nœud de classification 2_Step 36 C1 : 28,1% ; C2 : 50,7% la plus dominante ; C3 : 21,2% la plus faible Les variables ayant un pouvoir le plus discriminant dans la construction de ces trois classes sont selon l ordre décroissant d importance : Nombre de cartes de fidélités, nombre d enfants à charges, âge, type de rémunération et le sexe avec une très faible influence. Il est possible d affiner la description des classes par la description de leurs noyaux.

37 Navigation dans le nœud de classification 2_Step Il ressort que les trois classes sont bien discriminées en terme de statut marital, nb de cartes de fidélités, nb d enfants, autres emprunts mais pas suffisamment en salaire et selon le sexe. Au lieu de faire la description par navigation du modèle, il est possible d obtenir les noyaux des classes par agrégation par rapport au modèle à 3 classes et par agrégation globale pour avoir le centre de gravité de tous le nuage des clients comme le montre le flux suivant

38 Navigation dans le nœud de classification 2_Step

39 Navigation dans le nœud de classification 2_Step : 4 classes C4 se caractérise par des clients dont le salaire est élevé par rapport à la moyenne de l ensemble des clients (Cf. colonne global qui correspond au noyau de la population en entier). En terme de risque, cette classe contient des clients à très faible potentiel de risque. A la différence de la classe 3 dont le potentiel de risque est trop élevé. En se basant seulement sur cet indicateur, il s avère nécessaire de retenir la classification à 4 classes.

40 Navigation dans le nœud de classification 2_Step : 4 classes Description de la classfication à 4 classes

41 Navigation dans le nœud de classification 2_Step : 4 classes Description de la classfication à 4 classes

42 Utilisation d un R. de Kohonen Supposons vouloir trouver des groupes similaires de clients par rapport à leur comportement d achat. Sélectionner un nœud Délimité et placez-le sur l espace de travail Sélectionner le fichier «achat.txt» Attacher un nœud Typer Spécifier Direction IN pour les champs Produits AUCUN pour les autres champs Connecter une Table au noeud Typer et l executer Connecter un noeud Kohonen au noeud Typer. Editer ce noeud: Specifier Random Seed 100 Sous l option Expert, avec Largeur = 3 Longueur= 3 Executer SPSS Maghreb 42

43 Utilisation d un R. de Kohonen Connecter une Table au noeud Typer et l exécuter SPSS Maghreb 43

44 Utilisation d un R. de Kohonen Connecter un noeud Kohonen au noeud Typer. Editer ce noeud: Specifier Random Seed 1000 Sous l option Expert, avec Largeur = 3 Longueur= 3 Exécuter SPSS Maghreb 44

45 Comprendre Kohonen Attacher le modèle généré au flux précédent Attacher un noeud Nuage Champ X = $KX-Kohonen Champ Y = $KY-Kohonen Options Agitation Superposer? Calculer un nouveau champ Classe en utilisant l opérateur de concaténation >< SPSS Maghreb 45

46 Comprendre Kohonen Examiner le modèle généré à l aide de l Afficheur. SPSS Maghreb 46

47 Comprendre Kohonen Examiner le modèle généré à l aide de l Afficheur. Classe 22 (22%) Classe 00 (19%) Classe 02 (17%) Classe 20 (17%) Ce groupe est associé à Biscuits, Boisson et Congelé Ce groupe est principalement associé aux Plats_Prêts Ce groupe est principalement associé aux Conserves Ce groupe est principalement associé aux Biscuits, Boisson, Congelé et Pain SPSS Maghreb 47

48 Utiliser d autres champs pour produire un profil SPSS Maghreb 48

49 Comprendre Kohonen Examiner le modèle généré à l aide de l Afficheur. Classe 22 (22%) Classe 00 (19%) Classe 02 (17%) Classe 20 (17%) Ce groupe est associé à Biscuits, Boisson et Congelé. Il contient une forte % de clients sans enfants et de travailleurs Ce groupe est principalement associé aux Plats_Prêts tend à être composé de Jeunes (<40ans), sans enfants qui ont un travail Ce groupe est principalement associé aux Conserves et formé en grande partie de femmes de moins de 40 ans, sans travail et avec enfants Ce groupe est principalement associé aux Biscuits, Boisson, Congelé et Pain. SPSS Maghreb 49

50 Comprendre Kohonen par C5.0 Attacher un noeud Typer après Classe Définir Classe = OUT Attacher C5.0 après Typer Executer C5.0 et examiner les résultats SPSS Maghreb 50

51 Règles d Association I. BERRADA 51

52 Règles d association Qu est ce qui est lié à quoi? E.g. Panier de la ménagère : qu elles sont les éléments qui viennent ensemble? Diagramme peut montrer les liens dans les 2 sens Mais est-ce que fleur-pain-thé est une lient en 3-sens ou 3 liens à 2-sens? Les liens complexes / associations sont découverts grâce aux règles d association E.g. pain <= fleur & thé implique: si vous avez acheté des fleurs et du thé, vous allez probablement acheter du pain aussi Quelle Probabilité = Confiance, nombre de cas = support I. BERRADA 52

53 Règles d association Antécédents (ou conditions ) Ce qui doit être vérifié avant l application de la règle Conséquence (ou conclusion ) Ce qui tend à être vrai pour l application de la règle Support La proportion des observations qui vérifie la règle (Instances = combien d exemples) Confiance Lors de l exécution de la règle, combien de fois la conclusion est correcte? I. BERRADA 53

54 Pourquoi / quand utiliser les règles d associations? Analyse des «achats» Comprendre la comportement des achats Autres données similaires, e.g. produits dans une seule commande, Les options sélectionnés dans un compte mobile, pages web ou les sections accédées lors d une visite, Pour découvrir modèles prédictifs cachés Parfois les modèles prédictifs intéressant sont cachées La découverte d association permet de trouver plusieurs petits lots de règles et peut de découvrir les modèles masqués Exploration Générale Ne sais pas exactement qu est ce que je cherche, mais juste dis moi qui va avec quoi I. BERRADA 54

55 Règles d association dans Clementine Apriori algorithme connu, beaucoup d options, rapide Données catégorielles seulement GRI ( Generalised Rule Induction ) Peut être utilisé sur des variables continues Séquence association séquentiel Composant de SPSS, trouve des modèles séquentiels Souvent utilisé pour le web mining Capri association séquentiel Source externe produit à ajouter ne fait pas partie de Clementine de base Conçu spécialement pour le web-mining I. BERRADA 55

56 Noeud Apriori Charger le fichier de donnée Achat.txt Editer le noeud Typer et définir la Direction de tous les champs booléens produits Les deux. Les autres directions sont à Aucun Attacher le noeud PRIORI et executez-le. I. BERRADA 56

57 Modèles statistiques Régression linéaire (variable numérique seulement) Trouve des équations linéaires Régression logistique (variable catégorielle) Une équation pour chaque réponse possible Analyse factorielle / ACP Un modèle différent réduction de la complexité des données Réponds à la question: Quelles sont les dimensions de variation qui existe réellement dans les données (quelque soit le nombre de champs existants) I. BERRADA 57

58 Modélisation - Résumé Différents algorithmes Conviennent à différentes tâches Ont différentes forces et faiblesses Il est possible de connaître parfois lequel est le meilleur ou bien c est quoi la définition de meilleur Qu est ce qui rend un modèle utile? Plusieurs facteurs En général on doit essayer tous les algorithmes & approches pour avoir une bonne solution Souvent il est utile de combiner plusieurs algorithmes I. BERRADA 58

Les Réseaux de Neurones avec

Les Réseaux de Neurones avec Les Réseaux de Neurones avec Au cours des deux dernières décennies, l intérêt pour les réseaux de neurones s est accentué. Cela a commencé par les succès rencontrés par cette puissante technique dans beaucoup

Plus en détail

Guide site Support GLPI

Guide site Support GLPI Accès au site : L accès au site se fait via l adresse : http://help.3li.com Votre mode de connexion est : Identifiant : Mot de passe : L initiale de votre prénom suivi de votre nom Celui que vous avez

Plus en détail

Intelligence Artificielle

Intelligence Artificielle Intelligence Artificielle p. 1/1 Intelligence Artificielle Les arbres de décisions Maria Malek Département Systèmes Informatiques Formels & Intelligents Intelligence Artificielle p. 2/1 Extraire les connaissances

Plus en détail

LES TYPOLOGIES DE PARCOURS METHODES ET USAGES. Yvette Grelet, Patrick Rousset CEREQ grelet@mrsh.unicaen.fr rousset@cereq.fr

LES TYPOLOGIES DE PARCOURS METHODES ET USAGES. Yvette Grelet, Patrick Rousset CEREQ grelet@mrsh.unicaen.fr rousset@cereq.fr LES TYPOLOGIES DE PARCOURS METHODES ET USAGES Yvette Grelet, Patrick Rousset CEREQ grelet@mrsh.unicaen.fr rousset@cereq.fr 1 PLAN Première partie : un exemple traité «en vraie grandeur» : les 26500 jeunes

Plus en détail

Ioannis Parissis UFR IMA Laboratoire LIG. Test logiciel

Ioannis Parissis UFR IMA Laboratoire LIG. Test logiciel Test logiciel Objectif et plan du du cours Présenter les concepts de base sur le test logiciel Introduire des techniques simples pour construire des tests A partir de la spécification informelle du programme

Plus en détail

Document Support Technique Logiciel de Statistiques Minitab : l utilité du menu Editeur

Document Support Technique Logiciel de Statistiques Minitab : l utilité du menu Editeur Document Support Technique Logiciel de Statistiques Minitab : l utilité du menu Editeur Les outils adaptés à votre besoin Vous relevez plus facilement un défi ou accomplissez plus aisément une mission

Plus en détail

Plate-forme semi-automatique : E-quity

Plate-forme semi-automatique : E-quity Plate-forme semi-automatique : E-quity Bringay Sandra 1, Pinlou Alexandre 1, Durand Sylvain 1, Pro Sébastien 1, Séébold Patrice 1 Département MIAp, Université Paul-Valéry, Montpellier 3, Route de Mende,

Plus en détail

INTRODUCTION AU DATA MINING

INTRODUCTION AU DATA MINING INTRODUCTION AU DATA MINING 6 séances de 3 heures mai-juin 2006 EPF - 4 ème année - Option Ingénierie d Affaires et de Projets Bertrand LIAUDET TP DE DATA MINING Le TP et le projet consisteront à mettre

Plus en détail

septembre 2008 DataLab

septembre 2008 DataLab septembre 2008 DataLab Comment réaliser un score performant en quelques minutes DataLab, Logiciel distribué par AMABIS www.amabis.com Tel 01 45 36 45 00 Solutions d Optimisation du Marketing Un aperçu

Plus en détail

Critères de sélection pour remplir un panier de lecteurs Explications

Critères de sélection pour remplir un panier de lecteurs Explications A.-M. Cubat Onglet Circulation Paniers de lecteurs Page 1 Critères de sélection pour remplir un panier de lecteurs Explications 1. au moins un emprunt depuis jusqu à aujourd hui 2. au moins un emprunt

Plus en détail

Magret - Gibii PMB - BCDI

Magret - Gibii PMB - BCDI Magret - Gibii PMB - BCDI 1 Table des matières INTRODUCTION... 3 EXTRACTION DES ELEVES... 4 1 - NOUVELLE EXTRACTION... 4 2 - DEFINITION DE L EXTRACTION... 6 3 - CRITERES DE L EXTRACTION... 6 4 - CHOIX

Plus en détail

Guide de création de Pages Produits pour Amazon.fr

Guide de création de Pages Produits pour Amazon.fr Guide de création de Pages Produits pour Amazon.fr Chaussures & Accessoires Les informations que vous référencerez sur notre site seront visibles par nos clients sur la page détaillée de chaque produit.

Plus en détail

Module 2: Les échelles

Module 2: Les échelles Module 2: Les échelles Echelles et mesure en sciences sociales - Mesurer des concepts abstraits/complexes (p.ex. attitudes) - Mesures et questionnaires (questions Echelles (tests, indices) - Echelles conceptuelles

Plus en détail

Analyse multivariée approfondie

Analyse multivariée approfondie Analyse multivariée approfondie Enseignants: NIANG N. et RUSSOLILLIO G. Maître de conférences Statistique Appliquée Laboratoire CEDRIC CNAM http://www.cnam.fr et d autres intervenants extérieurs au Cnam

Plus en détail

Problème 4: Les diagrammes suivants représentent la distribution de 4 variables discrètes X1, X2, X3 et X4 :

Problème 4: Les diagrammes suivants représentent la distribution de 4 variables discrètes X1, X2, X3 et X4 : Cours 5-62-96 : Traitement et analyse des données Test autodiagnostique PARTIE 1 : Problème 1 : Pour chacune des distributions ci-dessous, identifier la population et la variable étudiée en précisant si

Plus en détail

L analyse des données statistiques

L analyse des données statistiques L analyse des données statistiques Public : Les cadres devant analyser des données quantitatives et qualitatives Objectif : Apprendre, en utilisant principalement Excel : - à traiter des données provenant

Plus en détail

FONDS DES ACCIDENTS DU TRAVAIL GLOSSAT II. Manuel d utilisation. Glossat II : manuel d utilisation Page 1

FONDS DES ACCIDENTS DU TRAVAIL GLOSSAT II. Manuel d utilisation. Glossat II : manuel d utilisation Page 1 FONDS DES ACCIDENTS DU TRAVAIL GLOSSAT II Manuel d utilisation Glossat II : manuel d utilisation Page 1 Table des matières 1. Qu est-ce que Glossat II?... 3 1.1. Que contient Glossat II?... 3 1.2. Que

Plus en détail

Chapitre 3 Dénombrement et représentation d un caractère continu. Lætitia Perrier Bruslé Cours de statistique descriptive sous Excel

Chapitre 3 Dénombrement et représentation d un caractère continu. Lætitia Perrier Bruslé Cours de statistique descriptive sous Excel Chapitre 3 Dénombrement et représentation d un caractère continu Lætitia Perrier Bruslé Cours de statistique descriptive sous Excel Introduction Un caractère quantitatif est continu si ses modalités possibles

Plus en détail

CANDIDAPEC La CVthèque de l Apec

CANDIDAPEC La CVthèque de l Apec CANDIDAPEC La CVthèque de l Apec Guide d utilisation Conseils pratiques pour rechercher efficacement des CV Apec solutions RH pour les entreprises CANDIDAPEC Un outil incontournable pour recruter Gratuite

Plus en détail

Olympiades québécoises 2014. Projet : 17 Conception de sites Web / Secondaire et post-secondaire

Olympiades québécoises 2014. Projet : 17 Conception de sites Web / Secondaire et post-secondaire Olympiades québécoises 2014 Projet : 17 Conception de sites Web / Secondaire et post-secondaire Le concours provincial de développement de site Web 2014 de Compétences Québec comporte trois modules. Le

Plus en détail

Prendre de meilleures décisions grâce à l intelligence prédictive

Prendre de meilleures décisions grâce à l intelligence prédictive Analyse Métier IBM SPSS Modeler Professional Prendre de meilleures décisions grâce à l intelligence prédictive Points clés Consultez, préparez et modélisez facilement des données structurées avec cet utilitaire

Plus en détail

Questionnaire. Questionnaire. www.quint-essenz.ch Promotion Santé Suisse, Avenue de la Gare 52, CH-1001 Lausanne. Fonction

Questionnaire. Questionnaire. www.quint-essenz.ch Promotion Santé Suisse, Avenue de la Gare 52, CH-1001 Lausanne. Fonction Version: 2.0 / 14.10.2003 / 1 Fonction En général, pour les projets de prévention et de promotion de la santé, on utilise un questionnaire pour obtenir des informations et/ou des données sur des avis ou

Plus en détail

Apprentissage statistique Stratégie du Data-Mining

Apprentissage statistique Stratégie du Data-Mining Apprentissage statistique Stratégie du Data-Mining Hélène Milhem Institut de Mathématiques de Toulouse, INSA Toulouse, France IUP SID, 2011-2012 H. Milhem (IMT, INSA Toulouse) Apprentissage statistique

Plus en détail

FORMATION UTILISATEURS BIEP. Support de formation Comptes gestionnaire de candidatures

FORMATION UTILISATEURS BIEP. Support de formation Comptes gestionnaire de candidatures FORMATION UTILISATEURS BIEP Support de formation Comptes gestionnaire de candidatures DGAFP/SDRH - 2016 1 Espace recruteur Les droits associés au Gestionnaire candidatures Un compte gestionnaire de candidatures

Plus en détail

Ce TD se déroule sur 3 heures : vous devez donc consacrer environ 1 heure pour chacune des phases.

Ce TD se déroule sur 3 heures : vous devez donc consacrer environ 1 heure pour chacune des phases. TD Analyse de données pour l évaluation de l exposition Octobre 2014 1 Contexte et objectif du TD Pour réaliser une évaluation de l exposition d une population à un contaminant chimique, plusieurs sources

Plus en détail

Règles de fonctionnement de la base collaborative Ludoprêt.

Règles de fonctionnement de la base collaborative Ludoprêt. J.D. GAYOT le 16/06/13 1 Règles de fonctionnement de la base collaborative Ludoprêt. Afin de rendre cette base collaborative efficace, il faut bien en comprendre les principes et appliquer certaines règles.

Plus en détail

Guide de démarrage avec SAS Enterprise Miner 6.1

Guide de démarrage avec SAS Enterprise Miner 6.1 Guide de démarrage avec SAS Enterprise Miner 6.1 Guide de démarrage avec SAS Enterprise Miner 6.1... 1 Introduction au Data Mining... 1 Cas HMEQ :... 2 1. Démarrer SAS Enterprise Miner... 2 2. Définition

Plus en détail

Manuel sur l envoi des Annexes TVA sur Nifonline 10/06/15 v 1.3

Manuel sur l envoi des Annexes TVA sur Nifonline 10/06/15 v 1.3 1) Contexte général L administration fiscale cherche toujours les moyens pour aider les Contribuables à s acquitter de leurs obligations fiscales plus facilement. A cette fin, quelques applications en

Plus en détail

Chapitre 5- Barre d outils En Ligne (temps réel)

Chapitre 5- Barre d outils En Ligne (temps réel) Chapitre 5- Barre d outils En Ligne (temps réel) Table des matières Chapitre 5- Barre d outils En Ligne (temps réel)... 5.1 Mode en ligne... 5.2 Titres... 5.4 Liste des informations boursières présentées

Plus en détail

Félicitations! Vous disposez désormais de votre armoire numérique en ligne.

Félicitations! Vous disposez désormais de votre armoire numérique en ligne. Félicitations! Vous disposez désormais de votre armoire numérique en ligne. Cette armoire va vous permettre : De mieux classer vos documents De mieux les retrouver De mieux les partager Ce petit guide

Plus en détail

Exercice 2. Population de Bruxelles de 18 à 65 ans selon le sexe et le statut d occupation - 2010

Exercice 2. Population de Bruxelles de 18 à 65 ans selon le sexe et le statut d occupation - 2010 Chapitre 1. Tableau à double entrée Exercices : solutions Texte provisoire. Merci pour les remarques, commentaires, suggestions Exercice 1 1.a. Population de Bruxelles selon le sexe et la nationalité Hommes

Plus en détail

LE CALCUL RÉGLEMENTAIRE POUR LES BÂTIMENTS EXISTANTS (RT 2007 / 2008)

LE CALCUL RÉGLEMENTAIRE POUR LES BÂTIMENTS EXISTANTS (RT 2007 / 2008) LE CALCUL RÉGLEMENTAIRE POUR LES BÂTIMENTS EXISTANTS (RT 2007 / 2008) Document mis à jour le 30 mai 2016 B.B.S. Slama service technique : 04.73.34.73.20 Fax : 04.73.34.10.03 sav@bbs-slama.com www.bbs-slama.com

Plus en détail

Télécharger le fichier modèle Annexe TVA pour remplir les données dans le menu principal.

Télécharger le fichier modèle Annexe TVA pour remplir les données dans le menu principal. 1) Contexte générale L administration fiscale cherche toujours les moyens pour aider les Contribuables à payer leurs impôts. A cette fin, quelques applications en ligne sont déjà implantées par la DGI

Plus en détail

Installation du logiciel Windows Suivant Démarrer Tous les programmes Démarrer Tous les programmes Manager Pub Manager Publicité Linux ici Mac

Installation du logiciel Windows Suivant Démarrer Tous les programmes Démarrer Tous les programmes Manager Pub Manager Publicité Linux ici Mac Avec le Manager Publicité de bluevizia toutes vos activités de publicité seront facilement planifiées et implémentées. Installation du logiciel Windows Double cliquez avec le bouton gauche de la souris

Plus en détail

Que faire en fin d'année avec BCDI abonnement version 1.81 sous Novell avec l'utilitaire SAVBCDI?

Que faire en fin d'année avec BCDI abonnement version 1.81 sous Novell avec l'utilitaire SAVBCDI? Que faire en fin d'année avec BCDI abonnement version 1.81 sous Novell avec l'utilitaire SAVBCDI? Table des matières 1- Désherber le fonds documentaire... 2 2- Faire le récolement du fonds documentaire

Plus en détail

Le langage UML 2.0 Diagramme de Déploiement

Le langage UML 2.0 Diagramme de Déploiement Claude Belleil Université de Nantes Le langage UML 2.0 Diagramme de Déploiement 1 Introduction Le diagramme de déploiement spécifie un ensemble de constructions qui peuvent être utilisées pour définir

Plus en détail

Statistique des établissements de santé non hospitaliers. Formation aux établissements soumis au relevé Utilisation de l application SOMED

Statistique des établissements de santé non hospitaliers. Formation aux établissements soumis au relevé Utilisation de l application SOMED Statistique des établissements de santé non hospitaliers Formation aux établissements soumis au relevé Utilisation de l application SOMED Plan Principe général de SOMED Utilisation de l application version

Plus en détail

GS-Days 2011. WebScarab Développement de nouveaux modules pour les tests d intrusion

GS-Days 2011. WebScarab Développement de nouveaux modules pour les tests d intrusion 1 GS-Days 2011 WebScarab Développement de nouveaux modules pour les tests d intrusion Jérémy Lebourdais EdelWeb (jeremy.lebourdais@edelweb.fr) 2 Introduction Présentation de WebScarab Développements réalisés

Plus en détail

Séance 1 : Prise en main de STATA CORRECTION. http://www.worldvaluessurvey.org/wvs.jsp. Allouer la mémoire nécessaire pour pouvoir ouvrir la base

Séance 1 : Prise en main de STATA CORRECTION. http://www.worldvaluessurvey.org/wvs.jsp. Allouer la mémoire nécessaire pour pouvoir ouvrir la base Marianne Tenand - TD d introduction à STATA Département d économie de l ENS (2015 2016) Séance 1 : Prise en main de STATA CORRECTION Base de données : World Values Survey (WWS) Issue d un projet de recherche

Plus en détail

Baccalauréat ES/L Métropole 21 juin 2013 (sujet dévoilé)

Baccalauréat ES/L Métropole 21 juin 2013 (sujet dévoilé) Baccalauréat ES/L Métropole 21 juin 2013 (sujet dévoilé) EXERCICE 1 4 points Cet exercice est un questionnaire à choix multiples (QCM). Pour chacune des questions posées, une seule des quatre réponses

Plus en détail

Table des matières CHAPITRE 2 FONCTIONS AVANCÉES DE MODULE DE VENTE ET GESTION DE PROJETS

Table des matières CHAPITRE 2 FONCTIONS AVANCÉES DE MODULE DE VENTE ET GESTION DE PROJETS Table des matières CHAPITRE 2 FONCTIONS AVANCÉES DE MODULE DE VENTE ET GESTION DE PROJETS Réception des offres des assureurs... 1 Format C-surance.ca... 3 Format assureur... 3 Gestion des Employés... 4

Plus en détail

Analyse longitudinale des stagiaires STE

Analyse longitudinale des stagiaires STE Analyse longitudinale des stagiaires STE Note d analyse de l Observatoire bruxellois de l Emploi Février 2015 1 Introduction Indépendamment des données portant sur le profil des stagiaires et des caractéristiques

Plus en détail

Bilan du concours pilote de bourses de recherche du printemps 2013 tenu dans le cadre de la réforme des programmes ouverts

Bilan du concours pilote de bourses de recherche du printemps 2013 tenu dans le cadre de la réforme des programmes ouverts Bilan du concours pilote de bourses de recherche du printemps 2013 tenu dans le cadre de la réforme des programmes ouverts Table des matières Introduction... 3 Méthodes... 4 Résumé des résultats... 5 Conclusion

Plus en détail

Didacticiel Études de cas

Didacticiel Études de cas 1 Objectif Déploiement des modèles prédictifs avec R. L industrialisation est l étape ultime du data mining. Dans le cadre prédictif, l objectif est de classer un individu à partir de sa description. Pour

Plus en détail

Distance et classification. Cours 4: Traitement du signal et reconnaissance de forme

Distance et classification. Cours 4: Traitement du signal et reconnaissance de forme Distance et classification Cours 4: Traitement du signal et reconnaissance de forme Plan Introduction Pré-traitement Segmentation d images Morphologie mathématique Extraction de caractéristiques Classification

Plus en détail

D après une idée originale dans «Les maths au quotidien» M.Colonval et A.Roumadni éd. Ellipses

D après une idée originale dans «Les maths au quotidien» M.Colonval et A.Roumadni éd. Ellipses LES ABEILLES D après une idée originale dans «Les maths au quotidien» M.Colonval et A.Roumadni éd. Ellipses 1. Présentation de la trame : Recherche et synthèse d infos Notion d optimisation Intérêt et

Plus en détail

GENERALITES... 2. Sélection du fichier... 5 TRANSFERT DES ECRITURES... 6

GENERALITES... 2. Sélection du fichier... 5 TRANSFERT DES ECRITURES... 6 GENERALITES... 2 Présentation... 2 Définition du format du fichier d import/export... 2 Gestion des Profils... 4 Sélection d un profil existant... 4 Création d un profil... 4 Sélection du fichier... 5

Plus en détail

données en connaissance et en actions?

données en connaissance et en actions? 1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)

Plus en détail

Les moins de 30 ans et l esprit d entreprise en France

Les moins de 30 ans et l esprit d entreprise en France Sondage réalisé à l occasion du Salon des Entrepreneurs 2010 Les moins de 30 ans et l esprit d entreprise en France 21 janvier 2010 - Le Meurice Méthodologie page 2 Méthodologie Étude quantitative réalisée

Plus en détail

GUIDE DU DATA MINER. Classification - Typologies. Data Management, Data Mining, Text Mining

GUIDE DU DATA MINER. Classification - Typologies. Data Management, Data Mining, Text Mining GUIDE DU DATA MINER Classification - Typologies Data Management, Data Mining, Text Mining 1 Guide du Data Miner Classification - Typologies Le logiciel décrit dans le manuel est diffusé dans le cadre d

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

Gestion Bibliothèque. Résumé

Gestion Bibliothèque. Résumé Gestion Bibliothèque Résumé Ces travaux seront réalisés dans le cadre du cours Web Services Miage NTDP afin de permettre aux étudiants d assimiler les concepts théoriques vus en cours. L idée est de développer

Plus en détail

Web & XML. Evaluation 1/2. ENSEIRB Programmation Web / XML. Version 1.00 du 19 décembre 2012 Etat : Travail SOPRA GROUP. Page 1/9

Web & XML. Evaluation 1/2. ENSEIRB Programmation Web / XML. Version 1.00 du 19 décembre 2012 Etat : Travail SOPRA GROUP. Page 1/9 Web & XML ENSEIRB Programmation Web / XML Evaluation 1/2 Version 1.00 du 19 décembre 2012 Etat : Travail SOPRA GROUP Page 1/9 Historique : Version Date Origine de la mise à jour Rédigée par Validée par

Plus en détail

La classification 2012-2013. Fabien Chevalier Jérôme Le Bellac

La classification 2012-2013. Fabien Chevalier Jérôme Le Bellac La classification 2012-2013 Fabien Chevalier Jérôme Le Bellac Introduction : Classification : méthode d analyse de données Objectif : Obtenir une représentation schématique simple d'un tableau de données

Plus en détail

Module 26 : Techniques de modélisation

Module 26 : Techniques de modélisation Module 26 : Techniques de modélisation 26.0 Introduction Ce module enseigne une série de techniques qui constituent une trousse à outils bien pratique quand il s agit de construire des modèles dans Excel

Plus en détail

IUT Nice-Côte d Azur Informatique appliquée 2005 2006. TP N o 4. Tableur : affichage et impression

IUT Nice-Côte d Azur Informatique appliquée 2005 2006. TP N o 4. Tableur : affichage et impression 1 IUT Nice-Côte d Azur TC-Nice 1 re année Informatique appliquée 2005 2006 TP N o 4 Tableur : affichage et impression I Options d affichage Les options concernant l affichage dans les feuilles de calcul

Plus en détail

COURS DE DATA MINING 8 : MODELISATIONS RESEAUX DE NEURONES ET DE KOHONEN

COURS DE DATA MINING 8 : MODELISATIONS RESEAUX DE NEURONES ET DE KOHONEN COURS DE DATA MINING 8 : MODELISATIONS RESEAUX DE NEURONES ET DE KOHONEN EPF 4/ 5 ème année - Option Ingénierie d Affaires et de Projets - Finance Bertrand LIAUDET 8 : Modélisations - Réseaux de neurones

Plus en détail

Eléments de stratégie d échantillonnage à l adresse des diagnostiqueurs amiante.

Eléments de stratégie d échantillonnage à l adresse des diagnostiqueurs amiante. Eléments de stratégie d échantillonnage à l adresse des diagnostiqueurs amiante. Essai de détermination du nombre de prélèvements à effectuer lors d un diagnostic amiante afin d assurer une représentativité

Plus en détail

Manuel Sunetplus Statistiques et chiffres-clés Statistiken und Kennzahlen

Manuel Sunetplus Statistiques et chiffres-clés Statistiken und Kennzahlen Manuel Sunetplus Statistiques et chiffres-clés Statistiken und Kennzahlen Page 1 Sunetplus Statistiques et chiffres-clés Statistiques Sommaire Evaluations au niveau de l'entreprise Généralités... 7 1 EVENEMENTS...

Plus en détail

rapide Prise en main LOGICIEL PERMANENT Plans de Prévention Optimisez les fonctionnalités Installez votre logiciel sans difficulté

rapide Prise en main LOGICIEL PERMANENT Plans de Prévention Optimisez les fonctionnalités Installez votre logiciel sans difficulté Plans de Prévention LOGICIEL PERMANENT Prise en main rapide 1 Installez votre logiciel sans difficulté 4 Optimisez les fonctionnalités 2 Découvrez le logiciel 5 Gérez les droits d utilisateurs 3 Maîtrisez

Plus en détail

Configuration d une politique de sauvegarde

Configuration d une politique de sauvegarde Configuration d une politique de sauvegarde Pré-requis à cette présentation La lecture de ce guide suppose que vous avez installé l agent SFR Backup sur l équipement que vous souhaitez sauvegarder. Il

Plus en détail

Fusion de classifiers visuels et textuels pour un système de recherche d images

Fusion de classifiers visuels et textuels pour un système de recherche d images Fusion de classifiers visuels et textuels pour un système de recherche d images Sabrina Tollari, Hervé Glotin, Jacques Le Maitre Université du Sud Toulon-Var Giens, 16 juin 2004 1 Plan Problématique Du

Plus en détail

8. Statistique descriptive

8. Statistique descriptive 8. Statistique descriptive MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: statistique descriptive 1/47 Plan 1. Introduction 2. Terminologie 3. Descriptions graphiques des

Plus en détail

Ditel NAVigation automatique

Ditel NAVigation automatique NAVIGATION Ditel NAVigation automatique 2 Téléchargement 3 Installation 6 Utilisation 14 Caratères spéciaux 15 Configuration Internet Explorer À Présentation : Ditel Nav est un logiciel de navigation automatique

Plus en détail

SOMMAIRE NAVIGATION SAISIE DE CAISSE CLOTURE DE CAISSE GESTION

SOMMAIRE NAVIGATION SAISIE DE CAISSE CLOTURE DE CAISSE GESTION LE POINT DE VENTE POINT DE VENTE SOMMAIRE AVANT-PROPOS Propriété & Usage Conformité & Mise en garde Toute une gamme de logiciels Evolution du logiciel Fiche de suggestion Fiche Question-Réponse Utilisation

Plus en détail

FICHE N 13 : SUIVRE ET COMPARER DES CARRIÈRES PROFESSIONNELLES

FICHE N 13 : SUIVRE ET COMPARER DES CARRIÈRES PROFESSIONNELLES FICHE N 13 : SUIVRE ET COMPARER DES CARRIÈRES PROFESSIONNELLES De quoi s agit-il? La mesure des risques discriminatoires dans les carrières professionnelles au sein d une organisation présente des difficultés.

Plus en détail

Guide d utilisation. TWS Stats V2.1

Guide d utilisation. TWS Stats V2.1 Guide d utilisation TWS Stats V2.1 Avril 2007 Contact et Support AASTRA MATRA Telecom Adresse : 1 rue Arnold Schoenberg 78280 Guyancourt - France Tél : France : +33 1 30 96 42 42 Fax : +33 1 30 96 42 43

Plus en détail

Cours 2 Contrôle de qualité Schéma relationnel

Cours 2 Contrôle de qualité Schéma relationnel École de bibliothéconomie et des sciences de l information SCI6306 Bases de données documentaires Cours 2 Contrôle de qualité Schéma relationnel Faculté des arts et des sciences 11 septembre 2015 Christine

Plus en détail

Génie logiciel Test logiciel A.U. 2013/2014 (Support de cours) R. MAHMOUDI (mahmoudr@esiee.fr) 1 Plan du chapitre - Définition du test logiciel - Principe de base du test logiciel - Les différentes étapes

Plus en détail

Manuel Utilisateur Catalogue Corrélyce - Chef d établissement

Manuel Utilisateur Catalogue Corrélyce - Chef d établissement Manuel Utilisateur Catalogue Corrélyce - Chef d établissement Auteur : PASS Technologie Version manuel : 0.2 Compatible avec Correlyce version : 2.1 Gestion des changements de version Ce tableau gère les

Plus en détail

Cahier des charges pour la conception des sujets pour l ECE en TS Évaluation des Compétences Expérimentales

Cahier des charges pour la conception des sujets pour l ECE en TS Évaluation des Compétences Expérimentales Cahier des charges pour la conception des sujets pour l ECE en TS Évaluation des Compétences Expérimentales Sommaire Définition et objectifs de l épreuve.. p1 Compétences à évaluer.. p2 Conception du sujet..

Plus en détail

Installer des applications Office 2003

Installer des applications Office 2003 ROYAUME DU MAROC Office de la Formation Professionnelle et de la Promotion du Travail Installer des applications Office 2003 DIRECTION RECHERCHE ET INGENIERIE DE FORMATION SECTEUR NTIC Sommaire Introduction...

Plus en détail

IBM SPSS Direct Marketing

IBM SPSS Direct Marketing IBM SPSS Direct Marketing Analysez le comportement de vos clients et améliorez vos campagnes marketing Points clés Avec SPSS Direct Marketing, vous pouvez : Mieux comprendre vos clients Améliorer vos campagnes

Plus en détail

Plateforme d'évaluation professionnelle. Manuel d utilisation du site Web d administration d EvaLog

Plateforme d'évaluation professionnelle. Manuel d utilisation du site Web d administration d EvaLog Plateforme d'évaluation professionnelle Manuel d utilisation du site Web d administration d EvaLog Un produit de la société AlgoWin http://www.algowin.fr Version 1.0.2 du 08/02/2015 Table des matie res

Plus en détail

MINISTÈRE DE L URBANISME, DU LOGEMENT ET DES TRANSPORTS MINISTÈRE DE L ENVIRONNEMENT. - TEXTES OFFICIELS

MINISTÈRE DE L URBANISME, DU LOGEMENT ET DES TRANSPORTS MINISTÈRE DE L ENVIRONNEMENT. - TEXTES OFFICIELS MINISTÈRE DE L URBANISME, DU LOGEMENT ET DES TRANSPORTS MINISTÈRE DE L ENVIRONNEMENT. - TEXTES OFFICIELS MINISTÈRE DE L URBANISME, OU LOGEMENT ET DES TRANSPORTS Direction des routes. relative CIRCULAIRE

Plus en détail

Base de données en formation professionnelle pour intervenir rapidement afin de favoriser la réussite des élèves. Guide d utilisation

Base de données en formation professionnelle pour intervenir rapidement afin de favoriser la réussite des élèves. Guide d utilisation Base de données en formation professionnelle pour intervenir rapidement afin de favoriser la réussite des élèves Guide d utilisation Âge de la clientèle Nombre de filles Nombre de garçons Cheminement d

Plus en détail

Guide d utilisation en ligne des outils de Thomas International

Guide d utilisation en ligne des outils de Thomas International Guide d utilisation en ligne des outils de Thomas International Bienvenue sur notre site. Vous trouverez ci-dessous un guide pratique qui vous aidera dans l utilisation de notre site. En un clic, vous

Plus en détail

Laboratoire 2 Extraction des caractéristiques

Laboratoire 2 Extraction des caractéristiques Laboratoire 2 Extraction des caractéristiques L objectif de l extraction et de la sélection de caractéristiques est d identifier les caractéristiques importantes pour la discrimination entre classes. Après

Plus en détail

L espace virtuel de La Branche Cochrane-Québec

L espace virtuel de La Branche Cochrane-Québec L espace virtuel de La Branche Cochrane-Québec Bonjour cher(ère)s auditeurs et auditrices web! SVP prendre quelques secondes pour tester vos paramètres audio via l assistant situé au haut de la page: Outils

Plus en détail

Anne-lise HUYET- Jean-Luc PARIS LIMOS équipe Recherche en Systèmes de Production IFMA Mail: huyet@ifma.fr, paris@ifma.fr

Anne-lise HUYET- Jean-Luc PARIS LIMOS équipe Recherche en Systèmes de Production IFMA Mail: huyet@ifma.fr, paris@ifma.fr Extraction de Connaissances pertinentes sur le comportement des systèmes de production: une approche conjointe par Optimisation Évolutionniste via Simulation et Apprentissage Anne-lise HUYET- Jean-Luc

Plus en détail

Documentation Utilisateur CARTE CADEAU

Documentation Utilisateur CARTE CADEAU Documentation Utilisateur CARTE CADEAU Le module CARTE CADEAU vous permet de proposer sur votre boutique des cartes cadeaux du montant que vous souhaitez. Chaque client peut ensuite en acheter sur votre

Plus en détail

Etudes de marché. Marc Vandercammen, 2015

Etudes de marché. Marc Vandercammen, 2015 Etudes de marché Marc Vandercammen, 2015 1. Les fondamentaux Principe 1 Toute étude repose sur la méthode scientifique Objectivité Réfutabilité Caractère structuré Caractère méthodique Attitude critique

Plus en détail

GUIDE D UTILISATION. «Travaux de reprographie» Opérateur, Opérateur BAV

GUIDE D UTILISATION. «Travaux de reprographie» Opérateur, Opérateur BAV «Travaux de reprographie» Opérateur, Opérateur BAV Mise à jour : janvier 2005 Table des matières BIENVENUE...3 CONNEXION A SD-REPRO...4 OUVERTURE ET FERMETURE D UNE CONNEXION...4 VERROUILLAGE DE LA CONNEXION...4

Plus en détail

Intelligence Artificielle. Dorra BEN AYED

Intelligence Artificielle. Dorra BEN AYED Intelligence Artificielle Dorra BEN AYED Chapitre 2 Résolution de problème en IA Par recherche Introduction Résoudre un pb c est chercher un chemin qui permet d aller d une situation initiale à une situation

Plus en détail

Ressources pour le lycée technologique

Ressources pour le lycée technologique éduscol Enseignement de mathématiques Classe de première STMG Ressources pour le lycée technologique Contexte pédagogique Objectifs Suites numériques Visualiser les situations exprimées à l aide de suites

Plus en détail

La nouvelle dimension de l analyse acoustique et vibratoire

La nouvelle dimension de l analyse acoustique et vibratoire La nouvelle dimension de l analyse acoustique et vibratoire HEAD Gallery Des fonctions innovantes intégrées dans une technologie de pointe ArtemiS suite est la solution logicielle intégrée de HEAD acoustics

Plus en détail

Synchronisation avancée. sur configuration centralisée

Synchronisation avancée. sur configuration centralisée Synchronisation avancée sur configuration centralisée 1 PRINCIPES Lorsque plusieurs sites distants sont équipés de centrales Synchronic raccordées à un réseau, il est possible de centraliser les configurations

Plus en détail

Module Article. Plate-forme de gestion de contenu. PubliShare utilise la librairie javascript (AJAX - Web 2.0)

Module Article. Plate-forme de gestion de contenu. PubliShare utilise la librairie javascript (AJAX - Web 2.0) G U I D E D U T I L I S AT I O N Publishare Plate-forme de gestion de contenu Module Article PubliShare utilise la librairie javascript (AJAX - Web.0) Sommaire Généralités Schéma de navigation Identification

Plus en détail

Principales étapes La planification

Principales étapes La planification Principales étapes 1. Le lancement 2. Le démarrage 3. La planification 4. L équipe de projet 5. L organisation 6. L analyse des risques 7. Le budget 8. La qualité 9. La clôture Processus Projet "Exemple"

Plus en détail

ÉTUDE DE MARCHÉ DONNÉES PRIMAIRES

ÉTUDE DE MARCHÉ DONNÉES PRIMAIRES ÉTUDE DE MARCHÉ DONNÉES PRIMAIRES TABLE DES MATIÈRES ÉTAPES POUR EFFECTUER UNE ÉTUDE DE MARCHÉ... 3 1) COLLECTE DE DONNÉES PRIMAIRES :...3 2) CONSULTEZ INTERNET :...3 3) ENTREZ EN CONTACT AVEC DES PERSONNES-CLÉS

Plus en détail

Contenu. I Informations sur le module. 1/ Historique. 2/ Fonctionnalités. a / Ce que le module permet à ce jour

Contenu. I Informations sur le module. 1/ Historique. 2/ Fonctionnalités. a / Ce que le module permet à ce jour Contenu I Informations sur le module 1/ Historique 2/ Fonctionnalités a / Ce que le module permet à ce jour b/ Ce que le module ne permet pas à ce jour (Tests en cours) II Pour commencer 1/ Activation

Plus en détail

Web & XML. Evaluation 2/2. ENSEIRB Programmation Web / XML. Version 1.00 du 6 janvier 2012 Etat : Travail SOPRA GROUP. Page 1/8

Web & XML. Evaluation 2/2. ENSEIRB Programmation Web / XML. Version 1.00 du 6 janvier 2012 Etat : Travail SOPRA GROUP. Page 1/8 Web & XML ENSEIRB Programmation Web / XML Evaluation 2/2 Version 1.00 du 6 janvier 2012 Etat : Travail SOPRA GROUP Page 1/8 Historique : Version Date Origine de la mise à jour Rédigée par Validée par 1.0

Plus en détail

Gestion des médias numériques totalement intégrée à l'environnement SharePoint

Gestion des médias numériques totalement intégrée à l'environnement SharePoint Gestion des médias numériques totalement intégrée à l'environnement SharePoint ELP 73 Rue de Turbigo 75003 PARIS Tél. 01 42 78 01 95 Fax. 01 42 78 60 48 www.elp.fr www.adhoc.eu.com info@elp.fr PRESENTATION

Plus en détail

Guide de prise en main rapide Solutions IR/FP

Guide de prise en main rapide Solutions IR/FP Guide de prise en main rapide Solutions IR/FP Solutions IR/FP est un logiciel de gestion des déclarations fiscales de patrimoine. Il contient un module administrateur, responsable de l affectation des

Plus en détail

1 Accès réservé 2 Introduction. 4 3 Choix et définition de la présentation 5. 8 6 les en-têtes de commande 9 7 La définition des états 10

1 Accès réservé 2 Introduction. 4 3 Choix et définition de la présentation 5. 8 6 les en-têtes de commande 9 7 La définition des états 10 1 Accès réservé 3 2 Introduction 4 3 Choix et définition de la présentation 5 3.1 Vue 5 3.2 Statut 5 4 Le moteur de recherche 4.1 La Recherche avancée 7 5 Les en-têtes de colonne 8 6 les en-têtes de commande

Plus en détail

Gestion de projet. Epreuves. Examens modulaires SVF-ASFC. Durée de l examen: 60 minutes. Moyens auxiliaires autorisés: aucun

Gestion de projet. Epreuves. Examens modulaires SVF-ASFC. Durée de l examen: 60 minutes. Moyens auxiliaires autorisés: aucun Examens modulaires SVF-ASFC Edition Automne 2009 Gestion de projet Epreuves Durée de l examen: 60 minutes Moyens auxiliaires autorisés: aucun Collez ici votre timbre d identification SVP! Points: Note:

Plus en détail

Jean Michel Soler 28/06/2013

Jean Michel Soler 28/06/2013 ECOLE POLYTECHNIQUE LIMESURVEY Guide d utilisation Jean Michel Soler 28/06/2013 Guide d utilisation de la solution LIMESURVEY basé sur la version 2.0 Table des matières Présentation de l outil :... 2 Connexion

Plus en détail

Immobilisation : créer et gérer les Biens

Immobilisation : créer et gérer les Biens Fiche procédure n 11 Janvier 2013 Immobilisation : créer et gérer les Biens 1. Accéder à la table des biens immobilisés page 2 2. Créer une nouvelle immobilisation (code national, type ) page 3 3. Saisir

Plus en détail

Fiches Outil Acces Sommaire

Fiches Outil Acces Sommaire Fiches Outil Acces Sommaire Fiche Outil Access n 1 :... 2 Le vocabulaire d Access... 2 Fiche Outil Access n 2 :... 4 Créer une table dans la base... 4 Fiche Outil Access n 3 :... 6 Saisir et modifier des

Plus en détail

1. LES PREMIÈRES ÉTAPES

1. LES PREMIÈRES ÉTAPES 1. LES PREMIÈRES ÉTAPES Présentation de la plateforme Moodle... page 2 Accéder à un cours Moodle depuis l ENT NETO CENTRE... page 3 Créer et gérer un cours sur le Moodle de l ENT... page 7 Inscription

Plus en détail