Accès personnalisé à l information
|
|
- Ghislain Fradette
- il y a 8 ans
- Total affichages :
Transcription
1 Multimedia IR Modelling Group Accès personnalisé à l information (partie 1 : Introduction) Nathalie Denos Laboratoire d Informatique de Grenoble Equipe MRIM Projet Web Intelligence Réunion «Web et contexte» Lyon, 26 mars
2 Multimedia IR Modelling Group Personnaliser? 2
3 Pourquoi personnaliser? Aujourd hui il est important d avoir la bonne information au bon moment dès qu elle est disponible Mais c est de plus en plus difficile car la quantité d information s accroît sur le Web dans les bibliothèques numériques Essor des domaines modélisation de l utilisateur (user modeling) accès personnalisé à l information 3
4 Comment personnaliser? grâce à des outils de modélisation de l utilisateur capables de représenter des besoins d informations spécifiques à l utilisateur les outils d accès à l information pourront éliminer l information non pertinente ordonner l information de la façon la plus adéquate personnaliser la présentation de l information adpater au mieux l interaction homme-machine 4
5 Activités sujettes à personnalisation recherche d information classique filtrage d information recommandation navigation présentation visualisation 5
6 Personnalisé? Q Q Recherche d information pertinence degré de pertinence Systèmes de recommandation dynamique de la pertinence Q 6
7 Communautés de recherche concernées modélisation de l utilisateur (user modeling) apprentissage automatique (machine learning) hypermédia adaptatif (adaptive hypermedia) bibliothèques numériques (digital libraries) Web sémantique interaction homme-machine visualisation de l information recherche d information systèmes de recommandation 7
8 Conférences spécifiques User Modelling Adaptive Hypermedia UM + AH = UMAP 2009 Recommender Systems Repères Revues et livres de référence User Modeling and User-Adapted Interaction, Éditeur Springer Netherlands The Adaptive Web, Lecture Notes in Computer Science Vol. 4321, Brusilovsky, Peter; Kobsa, Alfred; Nejdl, Wolfgang (Eds.), Springer Berlin / Heidelberg,
9 Références Articles User Profiles for Personalized Information Acces, in The Adaptive Web, Lecture Notes in Computer Science Vol. 4321, Brusilovsky, Peter; Kobsa, Alfred; Nejdl, Wolfgang (Eds.), Springer Berlin / Heidelberg, 54-89, 2007 Burke, R. Hybrid Recommender Systems: Survey and Experiments, in User Modeling and User-Adapted Interaction 12, 4 (Nov. 2002), , P. Brusilovsky, C. Callaway, A. Nürnberger (Eds.), Proc. of the Workshop on New Technologies for Personalized Information Access (PIA 2005), part of the 10th Int. Conf. on User Modeling (UM'05), Edinburgh, UK, 2005 Crédits pour diapos et schémas Jaime Teevan. Personalization and Search. University of California, Berkeley, CA, November 2007 Jaime Teevan. Supporting Finding and Re-Finding Through Personalization. Doctoral thesis, Massachusetts Institute of Technology, February 2007 Anand Rajaraman and Jeffrey D. Ullman. Course CS 345 on Data Mining, Stanford University, California, Autumn
10 Questions posées Mesurer la valeur ajoutée de la personnalisation La notion de pertinence varie-t-elle d une personne à l autre? Modéliser l utilisateur Quelles sont ses caractéristiques? Quels sont ses centres d intérêt? Calculer la pertinence utilisateur Comment utiliser le modèle pour mesurer la pertinence? Autres façon de personnaliser l accès à l information Quels autres aspects peut-on personnaliser? 10
11 Plan de la présentation Introduction Personnaliser Pourquoi, comment Partie 1 Aujourd hui, quelques exemples Valeur ajoutée de la personnalisation Exemple en RI sur le Web Problématiques et approches Première formalisation Approches RI Approches Filtrage / Recommandation Zoom sur Systèmes de recommandation (introduction) 11
12 Multimedia IR Modelling Group Aujourd hui RI sur le Web 12
13 Diversité des usages sur le Web Une interface pour des besoins très différents Requêtes traditionnelles, cartes, conversion de monnaie, Contextualiser Exemple: requête géographique dont les résultats dépendent de l adresse IP Personnaliser Exemple: requête géographique dont les résultats dépendent du profil personnel 13
14 Répondre au besoin caché derrière la requête Détermination de la langue de la requête Ne pas renvoyer des résultats en japonais à une requête en français Utiliser le contexte de l utilisateur Aujourd hui essentiellement le contexte géographique Corriger la requête / Suggérer des alternatives (expansion) Correction de l orthographe Autres requêtes que vous voudrez peut-être essayer 14
15 Répondre au besoin caché derrière la requête Deviner quel type d information l utilisateur cherche (raccourcis) Page Web, Carte, Cours d une monnaie, Exemples Carte : grenoble campus Calcul : 5+4 Infos sur un vol : Air France 454 Cours de la bourse : nasdaq Conversion d unité : 1 kg en livres Conversion de monnaie : 1 euro en dollars Stars / célébrités : Lorie Adresse d un professionnel : dentiste Grenoble Téléphone d un collègue : téléphone Joseph Martin Paris 15
16 Répondre au besoin caché derrière la requête
17 Répondre au besoin caché derrière la requête 17
18 Préférences 18
19 On ratisse large Aujourd hui en proposant des options Personnalisation choix d attributs Filtrage «adulte» 19
20 Multimedia IR Modelling Group Aujourd hui Systèmes de recommandation 20
21 Souscrire à des flux 21
22 Systèmes de recommandation Personnalisé? 22
23 Système de recommandation (connecté) 23
24 Système de recommandation Personnalisé 24
25 Système de recommandation critères de recommandation popularité de l item ex : 22 évaluations positives sur 27, 5777 achats, proximité de l item avec d autres items déjà évalués par l utilisateur ex : autres livres de Benaquista ex : autres livres parlant de la musique africaine bonne évaluation de l item par d autres utilisateurs proches = filtrage collaboratif ex : Nathalie aime en général les même livres que Laurent lui recommander les livres achetés par Laurent 25
26 Plan de la présentation Introduction Personnaliser Pourquoi, comment Aujourd hui, quelques exemples Valeur ajoutée de la personnalisation Exemple en RI sur le Web Problématiques et approches Première formalisation Approches RI Approches Filtrage / Recommandation Zoom sur Systèmes de recommandation (introduction) 26
27 Multimedia IR Modelling Group Valeur ajoutée de la personnalisation 27
28 Quelle est la valeur ajoutée de la personnalisation? Jaime Teevan, Susan Dumais, and Eric Horvitz Beyond the Commons: Investigating the Value of Personalizing Web Search in PIA 2005 pp On s intéresse aux résultats, à la méthodologie >>> Cela traite de la RECHERCHE <<< Les personnes veulent-elles des résultats différents pour une même requête? Quelle amélioration peut-on obtenir par rapport à un moteur de recherche générique? Dans quelle mesure la personnalisation apporte-telle une aide? 28
29 Recherche d information > Requête Contexte de l utilisateur Requête Liste ordonnée Contexte d utilisation, tâche Contexte du domaine 29
30 Mesurer la valeur de la personnalisation Focus sur la recherche sur le Web Etude de la pertinence utilisateur Ordre et note Même requête, notes différentes Les moteurs de recherche sur le Web sont faits pour la masse Grande marge de progression! > Implications pour la recherche personnalisée 30
31 Etude de la pertinence utilisateur 15 participants Employés chez Microsoft Managers, équipe de support, programmeurs, etc. Evaluer 50 résultats d une requête Très pertinent Pertinent Non pertinent En se basant sur la préférence personnelle Les participants fournissent aussi une description longue de leur but (intention) ~10 requêtes par personne 31
32 Etude de la pertinence utilisateur Sélection de requête Requêtes précédemment soumises Requêtes choisies parmi 10 requêtes présélectionnées 32
33 Corrélation entre les rangs et les notes moyenne Correlation( rank, relevance ) = > corrélé pour les rangs 21 à 50 Correlation( rank, relevance ) = > non corrélé > l ordre des résultats peut être amélioré 33
34 Les résultats pertinents sont classés loin encore beaucoup de résultats pertinents aux rangs 11 à 50 les sujets ne sont pas d accord 34
35 Analyse variation dans les notes car buts et intentions différents même avec des buts très similaires, variation dans les notes, qui suggère les intentions ne sont pas décrites au niveau de détail requis pour distinguer les différents buts 35
36 Mêmes résultats, notes différentes Fiabilité inter-sujet = 56% IRR = inter-rater reliability Différente d études précédentes Belkin: 94% dans TREC Eastman: 85% sur le Web On a demandé aux sujets d émettre des jugements de pertinence personnels plutôt que des jugements de correspondance thématique générale Certaines requêtes sont plus corrélées que d autres 36
37 Même requête, sens/intentions différentes Requête : cancer Sens différents Informations sur le signe astrologique du cancer Informations sur les traitements du cancer Intentions différentes Y a-t-il de nouveaux tests pour détecter le cancer? Informations sur les traitements du cancer 37
38 Même intention, notes différentes Requête : Microsoft Mêmes intentions Informations sur Microsoft, l entreprise Choses liées à la société Microsoft Informations sur Microsoft Corp 31 résultats sur 50 ont été notés pertinent ou très pertinent Les trois sujets étaient d acord seulement pour Seulement 6 résultats sur 31 ont comptabilisé plus d un accord Fiabilité inter-sujet : 62% 38
39 Moteurs de recherche pour la masse 39
40 Définir le meilleur ordre pour les utilisateurs? prendre le meilleur rang basé sur les jugements de pertinence le comparer au rang affecté à l origine par le moteur avec cette mesure de qualité d un ordre Discounted Cumulative Gain (DCG) pas normalisé i = rang ; G(i) = 1 si Pertinent, 2 si Très pertinent 40
41 Proximité entre le meilleur ordre et l ordre original Distance Kendall-Tau normalisée pour les listes partiellement ordonnées nombre de désaccords 2 à 2 normalisé par le nombre maximum de désaccords possibles K(L1,L2) = {i,j} P K i,j (L1,L2) P = les paires (non ordonnées) d éléments distincts dans L1 et L2 K i,j (L1,L2) = 0 si i et j sont dans le même ordre K i,j (L1,L2) = 1 si i et j sont dans l ordre inverse 41
42 Proximité entre le meilleur ordre et Résultats l ordre original K(original, meilleur pour le groupe) = < moy (K(original, meilleur pour l individu) = > Les ordres originaux semblent mieux satisfaire le groupe que l individu De combien la personnalisation peut-elle améliorer l ordre original? 42
43 Grande marge de progression Tous >> Le groupe >> L individu Axe des Y = DCG de l ordre idéal pour un individu I (pris au hasard) / DCG du meilleur ordre pour le groupe de X sujets incluant I 43
44 Comment combler le fossé Aider l utilisateur à mieux spécifier son but requêtes plus longues profil explicite Interagir avec l utilisateur suggestion de requêtes retour de pertinence (relevance feedback) méta-données Inférer le but de la recherche automatiquement grâce aux requêtes précédentes grâce à un modèle plus riche de l utilisateur (contenu, usage) Et ré-ordonner les résultats! > Minimiser l effort en amont pour l utilisateur (ex : pas de profil explicite) > Maximiser le contrôle de l utilisateur 44
45 Plan de la présentation Introduction Personnaliser Pourquoi, comment Aujourd hui, quelques exemples Valeur ajoutée de la personnalisation Exemple en RI sur le Web Problématiques et approches Première formalisation Approches RI Approches Filtrage / Recommandation Zoom sur Systèmes de recommandation (introduction) 45
46 Multimedia IR Modelling Group Conclusion 46
47 Conclusion / enjeux économique / e-commerce proposer des choses à acheter précision honnêteté? attaques? confiance dans le système, explications, transparence, contrôle limiter l effort de l utilisateur? le service personnalisé bien compris a un prix pour l utilisateur diversité rendre accessible plus d informations, les perles rares? seulement au prix d un rapport maîtrisé précision / nouveauté / diversité confidentialité danger à maîtriser je dis tout partout pour être mieux servi sécurisation, intégration des profils 47
IFT 6261: L Analytique Web. Fares Aldik, Consultant principal, Analytique Web et optimisation Bell Marchés Affaires services d expérience client
IFT 6261: L Analytique Web Fares Aldik, Consultant principal, Analytique Web et optimisation Bell Marchés Affaires services d expérience client 2012 01 04 Analytique Web : une pratique multidisciplinaire
Plus en détail«Innovation Intelligence» La valorisation des données massives au service des partenariats R&D. Expernova Université d été GFII 11-09-2014
«Innovation Intelligence» La valorisation des données massives au service des partenariats R&D Expernova Université d été GFII 11-09-2014 [Une tendance forte à l Open Innovation ] «Le monde est devenu
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailDe lamobilité. à lamobilisation. Living Lab de Montréal Centre de cocréation et d innovation ouverte. Louise Guay Présidente
36 e Congrès : Les nouveaux enjeux économiques, sociaux et culturels des technologies de l information Association des économistes québécois ASDEQ De lamobilité à lamobilisation Louise Guay Présidente
Plus en détailBABEL LEXIS : UN SYSTÈME ÉVOLUTIF PERMETTANT LA CRÉATION, LE STOCKAGE ET LA CONSULTATION D OBJETS HYPERMÉDIAS
Quatrième colloque hypermédias et apprentissages 275 BABEL LEXIS : UN SYSTÈME ÉVOLUTIF PERMETTANT LA CRÉATION, LE STOCKAGE ET LA CONSULTATION D OBJETS HYPERMÉDIAS Anne-Olivia LE CORNEC, Jean-Marc FARINONE,
Plus en détailLaboratoire 4 Développement d un système intelligent
DÉPARTEMENT DE GÉNIE LOGICIEL ET DES TI LOG770 - SYSTÈMES INTELLIGENTS ÉTÉ 2012 Laboratoire 4 Développement d un système intelligent 1 Introduction Ce quatrième et dernier laboratoire porte sur le développement
Plus en détailTable des matières PARTIE I : LES FONDAMENTAUX DU MARKETING DIGITAL
Introduction... IX Auteurs.... XIX Liste des Mini-cas.... XXI Liste des Zoom Recherche.... XXIII Liste Digital marketing insight... XXV Liste des figures... XXVII Liste des tableaux... XXXI PARTIE I :
Plus en détailsont appliquées à des fonds documentaires, sont destinées à fournir des informations pertinentes sur la structure globale plutôt que sur le contenu.
Introduction Les techniques informatiques permettent de stocker et d accéder à des quantités sans cesse croissantes de données, disponibles en ligne ou via des centres documentaires fermés. Cette profusion
Plus en détailProposition des cadres d évaluation adaptés à un système de RI personnalisé
Proposition des cadres d évaluation adaptés à un système de RI personnalisé Mariam Daoud, Lynda Tamine-Lechani Laboratoire IRIT, Université Paul Sabatier 118 Route de Narbonne, F-31062 TOULOUSE CEDEX 9
Plus en détailsearchmetrics suite SEO, Social et Content intelligence pour booster votre chiffre d affaires! www.searchmetrics.com
searchmetrics suite SEO, Social et Content intelligence pour booster votre chiffre d affaires! 1 2 3 www.searchmetrics.com AW Software AWARD WIN NING SEO Software AWARD WINNING SEO Software AWARD WIN NING
Plus en détailGrégory Bressolles L E-MARKETING
Grégory Bressolles L E-MARKETING Conseiller éditorial : Christian Pinson Dunod, Paris, 2012 ISBN 978-2-10-057045-4 SOMMAIRE Avant-propos 5 CHAPITRE 1 Qu est-ce que l e-marketing? I COMMENT INTERNET A-T-IL
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailAnalyse d image embarquée sur ASIC Détection d un homme jusqu à 100 m
Analyse d image embarquée sur ASIC Détection d un homme jusqu à m 5 dômes PTZ Enregistrement 24h/7j ADSL ou SDSL et 3G Autonomie jusqu à 45 min Haut-parleurs pour sommation vocale Installation sur mur,
Plus en détailCURRICULUM VITAE. Informations Personnelles
CURRICULUM VITAE Informations Personnelles NOM: BOURAS PRENOM : Zine-Eddine STRUCTURE DE RATTACHEMENT: Département de Mathématiques et d Informatique Ecole Préparatoire aux Sciences et Techniques Annaba
Plus en détailLe projet PALETTE et les CoPs L exemple de la CoP eprep
Pedagogically sustained Adaptive LEarning Through the exploitation of Tacit and Explicit knowledge Le projet PALETTE et les CoPs L exemple de la CoP eprep Nathalie VAN DE WIELE, directrice d eprep, partenaire
Plus en détailVers une approche Adaptative pour la Découverte et la Composition Dynamique des Services
69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard
Plus en détailCe document synthétise les principaux aspects de DayTrader Live, le service le plus haut de gamme de DayByDay.
Bienvenue chez DayByDay, Ce document synthétise les principaux aspects de DayTrader Live, le service le plus haut de gamme de DayByDay. Il est en deux parties : - Les idées de trading : quels sont les
Plus en détailDis moi, ça apporte quoi Géolys? Tu sais, Géolys, c est avant tout une réponse à ces questions-là
C est quoi? Dis moi, ça apporte quoi Géolys? Tu sais, Géolys, c est avant tout une réponse à ces questions-là Où pourrais-je aller pour m amuser et comment? Tu passes par quel chemin pour aller là-bas?
Plus en détailIntroduction. Présenté par. Martin Jetté, mjette@osisoft.com
Introduction Présenté par Martin Jetté, mjette@osisoft.com Participants 3 Équipe d OSIsoft Alexandre Fiset Louis-Philippe Pagé-Morin François Pelletier-Bouchard Maxime McKay Laurent Garrigues Félix De
Plus en détailPréparer son site 1/2. Laurent BIZOT Oxatis
Préparer son site 1/2 Laurent BIZOT Oxatis 13 et 14 mai 2011 Sommaire Quel est l intérêt d un back Office? Comment choisir son nom de domaine? Créer un catalogue produits efficace? C EST QUOI UN BACK OFFICE?
Plus en détailApplication de K-means à la définition du nombre de VM optimal dans un cloud
Application de K-means à la définition du nombre de VM optimal dans un cloud EGC 2012 : Atelier Fouille de données complexes : complexité liée aux données multiples et massives (31 janvier - 3 février
Plus en détailHervé Couturier EVP, SAP Technology Development
Hervé Couturier EVP, SAP Technology Development Hervé Biausser Directeur de l Ecole Centrale Paris Bernard Liautaud Fondateur de Business Objects Questions à: Hervé Couturier Hervé Biausser Bernard Liautaud
Plus en détailNe cherchez plus, soyez informés! Robert van Kommer
Ne cherchez plus, soyez informés! Robert van Kommer Le sommaire La présentation du contexte applicatif Le mariage: Big Data et apprentissage automatique Dialogues - interactions - apprentissages 2 Le contexte
Plus en détailRepoussez vos frontières
Repoussez vos frontières Avec la plateforme d applications la plus rapide et agile au monde Vos applications métier disponibles tout le temps, partout. La Liberté de Choisir Client/Serveur - Applications
Plus en détailEtudier à l EPFL Les spécialités. Maya Frühauf Service de promotion des études
Etudier à l EPFL Les spécialités Maya Frühauf Service de promotion des études Rankings mondiaux 2014: USA Top, les EPF pas loin... (Eng. & Technology) QS (Eng. & Technology) THE (Eng. & Technology) Shanghaï
Plus en détailhttp://www.content-square.fr
http://www.content-square.fr Les intervenants 2 Interviendront sur le thème : "Big Data et Data Mining : le couple gagnant du E-commerce et de vos fiches produits!" Partez à la découverte du Big Data Mining
Plus en détailCatalogue de Formation
Catalogue de Formation Bienvenue dans le catalogue de formations UTC Fire and Security EMEA pour OnGuard dédié aux Value Added Resellers (VAR) Lenel. Une évolution De l excellence Information de contact:
Plus en détailBut du papier : Paramétrer WSUS pour récupérer les mises à jour et administrer le serveur WSUS
Administrer WSUS Rédacteur : Eric Drezet Administrateur réseau CNRS-CRHEA 07/2005 Groupe Admin06 - Resinfo But du papier : Paramétrer WSUS pour récupérer les mises à jour et administrer le serveur WSUS
Plus en détailComment rendre un site d e-commerce intelligent
Comment rendre un site d e-commerce intelligent Alexei Kounine CEO +33 (0) 6 03 09 35 14 alex@tastehit.com Christopher Burger CTO +49 (0) 177 179 16 99 chris@tastehit.com L embarras du choix Donner envie
Plus en détailGREENTIC. Multimédia et TIC au service du développement durable
GREENTIC Multimédia et TIC au service du développement durable 1 GREENTIC: Synthèse L appel à propositions vise à cofinancer, dans le domaine des TIC et du Multimédia au service du développement durable,
Plus en détailProduire des contenus elearning en toute transparence. Bernard Curzi Professeur Directeur du Programme Espeme Responsable elearning
Produire des contenus elearning en toute transparence Bernard Curzi Professeur Directeur du Programme Espeme Responsable elearning Un groupe international 5.000 étudiants dont 1.500 étrangers 2.500 managers
Plus en détailOutils d évaluations de la simulation en équipe: Évaluation de performance en formation interprofessionnelle. Martina ESDAILE SFAR 19 septembre 2012
Outils d évaluations de la simulation en équipe: Évaluation de performance en formation interprofessionnelle Martina ESDAILE SFAR 19 septembre 2012 Déclaration de conflits d intérêts! Aucun conflits d
Plus en détailDossier de Presse 2014
Test UX to increase Conversion Rate ANALYSER COMPRENDRE TESTER PREDIRE Dossier de Presse 2014 www.contentsquare.com Les algorithmes savent mieux que nous, avant nous et pour nous ce que nous désirons.
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
Plus en détailThreat Management déploiement rapide de contre-mesures
diffusion libre Threat Management déploiement rapide de contre-mesures J. Viinikka, E. Besson 13 décembre 2011 6cure notre métier : éditeur de solutions de lutte intelligente contre les menaces informatiques
Plus en détailUserReplay. UserReplay. Départments ecommerce et Marketing. Service Client. Web Ops/ Infrastructure: Développement du site et Support technique
E-Commerce Augmenter la conversion, le montant du panier et la réten on Marke ng/ux Identifier et résoudre les freins à la conversion Service Client Diminuer les temps de résolution des appels et documenter
Plus en détailez Publish Cloud Edition Présentation
ez Publish Cloud Edition Présentation Pourquoi le Cloud? Le marché 13/07/12 Slide 3 Les attentes sont fortes 13/07/12 Slide 4 les defis à relever sont tout aussi importants! 13/07/12 Slide 5 L internet
Plus en détailBusiness Process Management
Alain Darmon Responsable Avant-Vente BPM, IBM 1 er mars 2011 Business Process Management Améliorez l agilité de l entreprise avec la gestion des processus métier Les processus sont partout! Ouverture de
Plus en détailData 2 Business : La démarche de valorisation de la Data pour améliorer la performance de ses clients
Data 2 Business : La démarche de valorisation de la Data pour améliorer la performance de ses clients Frédérick Vautrain, Dir. Data Science - Viseo Laurent Lefranc, Resp. Data Science Analytics - Altares
Plus en détailLECTURE CRITIQUE. Accompagner les enseignants et formateurs dans la conception d une formation en ligne
LECTURE CRITIQUE Accompagner les enseignants et formateurs dans la conception d une formation en ligne Christian Ernst E-learning. Conception et mise en œuvre d un enseignement en ligne Guide pratique
Plus en détailCookies de session ils vous permettent de sauvegarder vos préférences d utilisation et optimiser l expérience de navigation de l Utilisateur ;
Ce site utilise des Cookies, émis également par des tiers, pour des raisons de fonctionnalité, pratiques et statistiques indiquées dans notre politique en matière de Cookies. Politique en matière de Cookies
Plus en détailImportations parallèles: intérêt du consommateur et intégration communautaire
«Le traitement des restrictions verticales en droit comparé de la concurrence» Université Paris II Panthéon Assas & University College London Paris, le 23 mai 2008 Importations parallèles: intérêt du consommateur
Plus en détailAssurance Vie en Ligne
Synthèse - Mars 2014 Benchmark concurrentiel de l expérience client en ligne e Assurance Vie en Ligne 6 sites d acteurs de référence de l Assurance Vie en Ligne plus de 7.000 internautes mobilisés www.observatoire-eperformance.com
Plus en détail«Innovation and Business Creation» Module : Projet Innovant par Mission de Service
Cette création est mise à disposition sous un contrat Creative Commons. Année universitaire 2007 2008 Resp. : Sylvie BLANCO, Professeur, Grenoble Ecole de Management Resp. Centre pour l Innovation Technologique
Plus en détailLEA.C5. Développement de sites Web transactionnels
LEA.C5 Développement de sites Web transactionnels LEA.C5 Développement de sites Web transactionnels Toutes les entreprises et les organisations utilisent le réseau Internet comme outil de promotion, de
Plus en détailL AMPHI #2 LA REVOLITION MOBILE EST EN MARCHE. #Amphi2GIW
L AMPHI #2 LA REVOLITION MOBILE EST EN MARCHE #Amphi2GIW Tendances & Usages du Mobile en France et en Europe Blandine Silverman bsilverman@comscore.com Panorama des équipements mobiles Des Smartphones
Plus en détailTraitement et exploration du fichier Log du Serveur Web, pour l extraction des connaissances: Web Usage Mining
Traitement et exploration du fichier Log du Serveur Web, pour l extraction des connaissances: Web Usage Mining Mostafa HANOUNE*, Fouzia BENABBOU* *Université Hassan II- Mohammedia, Faculté des sciences
Plus en détailLES INDICATEURS CLÉ DE PERFORMANCE : DÉFINIR ET AGIR
Online Intelligence Solutions LES INDICATEURS CLÉ DE PERFORMANCE : DÉFINIR ET AGIR Comment intégrer les KPI à sa stratégie d entreprise? Par Jacques Warren WHITE PAPER WHITE PAPER A PROPOS DE JACQUES WARREN
Plus en détailIntelligence Inventive & Mapping des réseaux de Recherche. Expernova & Active Innovation Management GFII 5 Mars 2015
Intelligence Inventive & Mapping des réseaux de Recherche Expernova & Active Innovation Management GFII 5 Mars 2015 Identification d experts & Mapping des Réseaux de Recherche [ expernova, qui sommes nous?]
Plus en détailCompte-rendu re union Campus AAR 3 mars 2015
Compte-rendu re union Campus AAR 3 mars 2015 Table des matières Liste d actions... 2 I. Environnement d analyse : INA, Armadillo... 3 a. Connexion de l outil INA avec API Armadillo... 3 b. Outil d analyse
Plus en détailUne méthode d apprentissage pour la composition de services web
Une méthode d apprentissage pour la composition de services web Soufiene Lajmi * Chirine Ghedira ** Khaled Ghedira * * Laboratoire SOIE (ENSI) University of Manouba, Manouba 2010, Tunisia Soufiene.lajmi@ensi.rnu.tn,
Plus en détailActivité 4. Tour de cartes Détection et correction des erreurs. Résumé. Liens pédagogiques. Compétences. Âge. Matériels
Activité 4 Tour de cartes Détection et correction des erreurs Résumé Lorsque les données sont stockées sur un disque ou transmises d un ordinateur à un autre, nous supposons généralement qu elles n ont
Plus en détailUNITED NATIONS NATIONS UNIES
Programme : 16 Duration : 7 42 Producer : Lisa Andracke UNITED NATIONS NATIONS UNIES 21 st Century GHANA: L EDUCATION EN PLEINE REVOLUTION Partout dans le monde, le nombre d enfants inscrits à l école
Plus en détailcreo elements/pro creo elements/direct creo elements/view
creo elements/pro SERVICES & SUPPORT PROCESSUS & INITIATIVES creo elements/direct creo elements/view SOLUTIONS MÉTIER creo elements/pro 5.0 PRODUITS LOGICIELS creo elements/direct 17.0 creo elements/view
Plus en détailAnalyse Combinatoire
Analyse Combinatoire 1) Équipes On dispose d un groupe de cinq personnes. a) Combien d équipes de trois personnes peut-on former? b) Combien d équipes avec un chef, un sous-chef et un adjoint? c) Combien
Plus en détailBIG DATA : une vraie révolution industrielle (1) Les fortes évolutions liées à la digitalisation
BIG DATA : une vraie révolution industrielle (1) Les fortes évolutions liées à la digitalisation - définition - étapes - impacts La révolution en cours du big data - essai de définition - acteurs - priorités
Plus en détailAugmentez vos conversions et vos ventes! Comment optimiser l activité de votre boutique en ligne pendant les fêtes de fin d année!
Augmentez vos conversions et vos ventes! Comment optimiser l activité de votre boutique en ligne pendant les fêtes de fin d année! Préparez-vous à gambader autour du sapin de Noël! La période des fêtes
Plus en détailrecommandation Domaine : Informatique, Intelligence Artificielle, Modélisation de préférences
Modélisation des utilisateurs atypiques dans les systèmes de recommandation Directeur de thèse : Anne BOYER Si le directeur de thèse n'apparait pas dans le menu déroulant, vous pouvez indiquer cette information
Plus en détailDROIT FISCAL. DCG - Session 2008 Corrigé indicatif
DROIT FISCAL DCG - Session 2008 Corrigé indicatif DOSSIER 1-1- Régime d imposition - Quel est le régime d imposition à la de la SA Habitat? La SA Habitat réalise des ventes (menuiseries) et des prestations
Plus en détailL ergonomie de vos formulaires web permet-elle une expérience utilisateur optimale? QAS Intuitive Search
L ergonomie de vos formulaires web permet-elle une expérience utilisateur optimale? QAS Intuitive Search A l écoute du marché et de ses mutations, Experian Marketing Services a développé un outil de saisie
Plus en détailBAC +2. www.devschool.fr L ÉCOLE DES DÉVELOPPEURS
BAC +2 www.devschool.fr L ÉCOLE DES DÉVELOPPEURS INDISPENSABLE DÉVELOPPEUR! Tous les projets numériques réclament du développement et des évolutions fonctionnelles originales, en particulier depuis l avènement
Plus en détailMarc SALLIERES CEO ALTIC marc.sallieres@altic.org. www.altic.org
Marc SALLIERES CEO ALTIC marc.sallieres@altic.org www.altic.org Présentation ALTIC Les projets ALTIC BI Open Source véritable alternative Spécialiste BI Open Source Présentation ALTIC 2009 Club Finance
Plus en détail1 er Avril 2015 Data Science & Big Data Etat de l art Donner plus d intelligence aux données
1 er Avril 2015 Data Science & Big Data Etat de l art Donner plus d intelligence aux données Votre interlocuteur Didier Gaultier Directeur Data Science Business & Decision Professeur de Statistique à l
Plus en détailGénie logiciel (Un aperçu)
(Un aperçu) (sommerville 2010) Laurent Pérochon INRA URH 63122 St Genès Champanelle Laurent.perochon@clermont.inra.fr Ensemble d activités conduisant à la production d un logiciel Sur un échantillon de
Plus en détailAlgorithmes de Transmission et de Recherche de l Information dans les Réseaux de Communication. Philippe Robert INRIA Paris-Rocquencourt
Algorithmes de Transmission et de Recherche de l Information dans les Réseaux de Communication Philippe Robert INRIA Paris-Rocquencourt Le 2 juin 2010 Présentation Directeur de recherche à l INRIA Institut
Plus en détailPersonnalisation: Pour bien démarrer Créer une expérience digitale unique pour chaque visiteur. Par John Carione, Acquia
Personnalisation: Pour bien démarrer Créer une expérience digitale unique pour chaque visiteur Par John Carione, Acquia Personnalisation: Pour bien démarrer Créer une expérience digitale unique pour chaque
Plus en détailProtection et amélioration de la sécurité des systèmes d'exploitation
Protection et amélioration de la sécurité des systèmes d'exploitation Jérémy Briffaut ENSI Bourges LIFO Martin Perès Université de Bordeaux LaBRI Jonathan Rouzaud-Cornabas INRIA Rhône Alpes Jigar Solanki
Plus en détailDu e-commerce au m-commerce : vers une recommandation incrémentale
Du e-commerce au m-commerce : vers une recommandation incrémentale Armelle Brun et Anne Boyer LORIA/Nancy Université - 615, rue du jardin botanique - 54506 Vandoeuvre les Nancy {Armelle.Brun, Anne.Boyer}@loria.fr
Plus en détailORACLE LOGICIELS DE PRÉVISION. Oracle Demantra Demand Management. Pour vos appels d offre. 3 e ÉDITION
Septembre 2012 Pour vos appels d offre LGICIELS DE PRÉVISIN 3 e ÉDITIN RACLE racle Demantra Demand Management SupplyChainMagazine.fr 19, rue Saint-Georges - 94700 Maisons-Alfort 1. NM de l'éditeur RACLE
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université
Plus en détailLes cinq éléments fondamentaux du MARKETING D ENGAGEMENT
Les cinq éléments fondamentaux du MARKETING D ENGAGEMENT INTRODUCTION Chaque entreprise a la même mission : optimiser sa valeur. Toutefois, selon nous, votre atout le plus précieux n est pas votre produit
Plus en détailIC2. Interaction, Cognition and Complexity Département INFRES. Talel Abdessalem. Institut Mines-Télécom
Talel Abdessalem Interaction, Cognition and Complexity Département INFRES Institut Mines-Télécom Composition de l équipe Permanents Janvier 2008 Juin 2013 9 EC + 1DR CNRS 8 EC + 1DR CNRS 4 départs, 3 recrutements
Plus en détailOn site CRM ou SaaS : quel est le bon choix pour votre entreprise?
LIVRE BLANC On site CRM ou SaaS : quel est le bon choix pour votre entreprise? Une comparaison détaillée pour vous guiderau travers le processus de sélection d uneplateforme CRM. INTRODUCTION Un survol
Plus en détailCOCoFil2 : Un nouveau système de filtrage collaboratif basé sur le modèle des espaces de communautés
UNIVERSITÉ JOSEPH FOURIER GRENOBLE I N 0 attribué par la bibliothèque / / / / / / / / / / / THÈSE pour obtenir le grade de DOCTEUR DE L UNIVERSITÉ JOSEPH FOURIER GRENOBLE I Discipline : Informatique présentée
Plus en détailContrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre.
Contrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre. Isabelle Bombard, Bruno da Silva, Pascal Dufour *, Pierre Laurent, Joseph Lieto. Laboratoire d Automatique
Plus en détailAdaptabilité d un MOOC aux styles d apprentissage. Hubert Kadima Directeur de Recherche LARIS/EISTI Email : hubert.kadima@eisti.fr
Adaptabilité d un MOOC aux styles d apprentissage Hubert Kadima Directeur de Recherche LARIS/EISTI Email : hubert.kadima@eisti.fr Agenda 1. Contexte : l apprentissage dans le projet PLACIS 2. Choix du
Plus en détail( ACCÉLÉRATEUR D INTELLIGENCE COLLECTIVE )
( ACCÉLÉRATEUR D INTELLIGENCE COLLECTIVE ) LE LEARNINGLAB ( POUR QUOI FAIRE? ) DANS LE CADRE DE LEUR PROGRAMME COMMUN I.D.E.A., NÉ DE L ALLIANCE STRATÉGIQUE DE LA SCIENCE ET DU BUSINESS, L ÉCOLE CENTRALE
Plus en détailCURRICULUM VITAE PARCOURS PROFESSIONNEL
CURRICULUM VITAE Adresses professionnelles : Institut d Administration des Entreprises de l Université de Toulon Campus de La Garde - Bâtiment Z - Av. de l Université - BP 20132 83957 La Garde Cedex Tél
Plus en détailQuelques propositions pour une organisation des ressources réseaux prenant en compte les besoins du LACL
Quelques propositions pour une organisation des ressources réseaux prenant en compte les besoins du LACL Document de travail proposé par Olivier Michel LACL - P2 240 - olivier.michel@univ-paris12.fr Version
Plus en détailLogiciel de diffusion dynamique des informations
SERVICES & SUPPORT PROCESSUS & INITIATIVES PRODUITS LOGICIELS SOLUTIONS MÉTIER SERVICES & SUPPORT PROCESSUS & INITIATIVES PRODUITS LOGICIELS SOLUTIONS MÉTIER Logiciel de diffusion dynamique des informations
Plus en détailLa formation. La session 2010. Comment candidater? Le label Docteur pour l entreprise
APPEL À CANDIDATURE La formation p. 2 La session 2010 p. 3 Comment candidater? p. 5 Le label Docteur pour l entreprise p. 6 Plus de renseignements sur: http://institutdoctoral.paristech.fr et www.paristech.fr
Plus en détailComment le digital redéfinit les frontières de la communication interne et externe en entreprise? LES DERNIÈRES TROUVAILLES EN MATIÈRE DE TRANSFORMATION DIGITALE Quel est le quotient intellectuel digital
Plus en détailIPS : Corrélation de vulnérabilités et Prévention des menaces
IPS : Corrélation de vulnérabilités et Prévention des menaces SIM+IPS opensource David Bizeul & Alexis Caurette C O N N E C T I N G B U S I N E S S & T E C H N O L O G Y Définitions SIM : Security Information
Plus en détail" # $ % % & ' ( ) * +,! '()*+ *, + ' +' + ' ' -+ - +.+. /0 / 1 0 12 1 1 2 34+ 4 1 +. 50 5 * 0 4 * 0 6! "##$ % &!
"# $ %%& ' ( )*+, '()*+,'+''-++.+/0112134+1.50*406 "##$ %& 8CC "#$%& ' ( )* +,-./ 0 123 456+7 3 7-55-89.*/ 0 +3 *+:3 ;< =3 3-3 8 0 23 >-8-3 >5? //*/*0;* @A: *53,,3 / * $/ >B+? - 5, 2 34*56 7 /+#** //8
Plus en détailLivre blanc ekomi. Obtenez un meilleur taux de conversion dans Google grâce aux avis clients. Novembre 2012
Livre blanc ekomi Obtenez un meilleur taux de conversion dans Google grâce aux avis clients Novembre 2012 Introduction : l époque où les clients croyaient aveuglément aux promesses des vendeurs en ligne
Plus en détailsentée e et soutenue publiquement pour le Doctorat de l Universitl
Du rôle des signaux faibles sur la reconfiguration des processus de la chaîne de valeur de l organisation : l exemple d une centrale d achats de la grande distribution française Thèse présent sentée e
Plus en détailSÉMINAIRES RÉGIONAUX 2012
SÉMINAIRES RÉGIONAUX 2012 SÉMINAIRES RÉGIONAUX 2012 1 Le PI System à l heure de la mobilité et de l infonuagique. Présenté par : Laurent Garrigues Directeur de produits [mɔbilite] nom féminin 1. Capacité
Plus en détailApplications mobiles : Enjeux et Conseils pratiques
31 mars 2014 Applications mobiles : Enjeux et Conseils pratiques Présenté à Legal IT Me Nicolas Lassonde et Me Julie Maronani Quelques statistiques 56% des adultes américains possèdent un téléphone intelligent
Plus en détailPrésentation. Pour. Gilles ALAIS, Country Manager Barloworld Supply Chain Software France 20 Rue des Petits Hôtels, 75010 Paris
Présentation Pour Gilles ALAIS, Country Manager Barloworld Supply Chain Software France 20 Rue des Petits Hôtels, 75010 Paris Email: galais@barloworldscs.com Tel : + 33 1 73 03 04 10 / + 33 6 08 01 52
Plus en détailPROJET BIGDATART DOSSIER DE PRESENTATION
PROJET BIGDATART DOSSIER DE PRESENTATION Le projet BigDatArt est une installation scientifico-artistique centrée autour des notions d images et de BigData. Ce que je propose dans mon projet et d'inverser
Plus en détailRésultats annuels Exercice clos au 30 avril 2015. 18 juin 2015
Résultats annuels Exercice clos au 30 avril 2015 18 juin 2015 1 Alan Parker Président 2 Agenda i. Synthèse ii. iii. iv. Comptes annuels Les 4D Initiatives de croissance 3 Synthèse 4 Nouvelle Confiance
Plus en détailR-ICP : une nouvelle approche d appariement 3D orientée régions pour la reconnaissance faciale
R-ICP : une nouvelle approche d appariement 3D orientée régions pour la reconnaissance faciale Boulbaba BEN AMOR, Karima OUJI, Mohsen ARDABILIAN, et Liming CHEN Laboratoire d InfoRmatique en Images et
Plus en détailWHITE PAPER DES ASSISES 2011
WHITE PAPER DES ASSISES 2011 Le Cercle Européen propose les premiers indicateurs «ratios» sur les dépenses en Sécurité des SI Paris / Monaco, le 5 octobre 2011 1. Combler le manque d indicateurs économiques
Plus en détailTable des matières. Réclamation Guide d apprentissage I. I. Configuration d un dossier de réclamation... 2 A. Assignation d un plan...
Réclamation Guide d apprentissage I Table des matières I. Configuration d un dossier de réclamation... 2 A. Assignation d un plan... 2 1. Activer la gestion des réclamations... 2 B. Configuration des plans
Plus en détailE-Guide COMMENT PRENDRE LA MAIN SUR LES PROJETS BIG DATA
E-Guide COMMENT PRENDRE LA MAIN SUR LES PROJETS BIG DATA M aintenant que vos projets analytiques sont en place, comment vous assurer que votre entreprise tire une réelle valeur métier de ces initiatives?
Plus en détailS initier aux probabilités simples «Un jeu de cartes inédit»
«Un jeu de cartes inédit» 29-31 Niveau 3 Entraînement 1 Objectifs S entraîner à estimer une probabilité par déduction. Applications (exemples) En classe : tout ce qui réclame une lecture attentive d une
Plus en détailPRÉSENTATION PRODUIT. Plus qu un logiciel, la méthode plus efficace de réconcilier.
PRÉSENTATION PRODUIT Plus qu un logiciel, la méthode plus efficace de réconcilier. Automatiser les réconciliations permet d optimiser l utilisation des ressources et de générer plus de rentabilité dans
Plus en détailNUI. Natural User Interfaces Usages et enjeux pour la création
NUI Natural User Interfaces Usages et enjeux pour la création Prenant pour thème la notion touffue de «Natural User Interface», cet atelier avait pour but d aborder les opportunités et limites de ces technologies,
Plus en détailFORUM NTIC BIG DATA, OPEN DATA Big Data: les challenges, les défis
FORUM NTIC BIG DATA, OPEN DATA Big Data: les challenges, les défis Joseph Salmon Télécom ParisTech Jeudi 6 Février Joseph Salmon (Télécom ParisTech) Big Data Jeudi 6 Février 1 / 18 Agenda Contexte et opportunités
Plus en détail