L Intelligence Artificielle

Dimension: px
Commencer à balayer dès la page:

Download "L Intelligence Artificielle"

Transcription

1 Conférence L Intelligence Artificielle Taalabi M. 30/04/2004 Intelligence Artificielle 1

2 Historique Définition Paradigmes Systèmes experts Concevoir un système expert Système à Inférence floue Applications Conclusion 30/04/2004 Intelligence Artificielle 2

3 Historique Naissance de la discipline: Réunion des années 50 Objectif: étude des idées qui permettent aux applications sur calculateurs d être intelligents. Double Audience: Sciences exactes:scientifiques, Ingénieurs.et Sciences Humaines: Psychologues, philosophes. 30/04/2004 Intelligence Artificielle 3

4 Définition Application Intelligente? Capable de raisonner Capable d acquérir et d appliquer des connaissances Capable de manipuler des objets en temps réel 30/04/2004 Intelligence Artificielle 4

5 Utilité d une application intelligente Quantifier la connaissance Développement incrémental de la connaissance Force une théorie à être plus précise, pour l implanter sur calculateur Ressources rares 30/04/2004 Intelligence Artificielle 5

6 Domaines d Application Domaines historiques: Jeux, Robotique, Médecine Domaines actuels: Business, Engineering, Médecine, Robotique (Mines, Espace..), Agriculture, Contrôle et supervision de procédés, systèmes d aide au pilotage... 30/04/2004 Intelligence Artificielle 6

7 Cas des systèmes dédiés Système dédié? Exemples: portable, machine à laver, suspension intelligente d une voiture, robot mobile.. Algorithmes intelligents pour systèmes dédiés: systèmes experts, contrôleurs flous (fuzzy controllers)... 30/04/2004 Intelligence Artificielle 7

8 Évaluation Domaine bien délimité? Existence d une procédure Existence de contraintes 30/04/2004 Intelligence Artificielle 8

9 Paradigmes Exemples Divide & Conquer, Rule Based approach, Describe & Match 30/04/2004 Intelligence Artificielle 9

10 Paradigme: Rule Based approach Paradigme le plus populaire Est à la base des systèmes experts, ou Systèmes à base de connaissances. 30/04/2004 Intelligence Artificielle 10

11 Rule Based approach Approche non déductive Selon cette approche, un problème est formulé: État initial État désiré Ensemble de procédures qui permettent la transition entre états Exemple: actes de la vie courante 30/04/2004 Intelligence Artificielle 11

12 Arbre de recherche Espace de recherche: structure arborescente État initial : : Un arc représente une procédure État désiré 30/04/2004 Intelligence Artificielle 12

13 Arbre de recherche Une procédure sera une règle de la forme: Règle i: Si <conditions> Alors <Actions> Avantage: Granularité Flexibilité 30/04/2004 Intelligence Artificielle 13

14 Architecture d un système expert Moteur d inférence Règles Faits 30/04/2004 Intelligence Artificielle 14

15 Architecture d un système expert Faits: État initial, état désiré, Règles: Base de connaissances Moteur d inférence 30/04/2004 Intelligence Artificielle 15

16 Algorithme 1- Observer les faits 2- Repérer les règles applicables 3- Choisir une règle et l appliquer Nouvelle base de faits 4- État désiré atteint? Si oui fin Si non retour à 1-30/04/2004 Intelligence Artificielle 16

17 Algorithme Résolution de conflit Trace de raisonnement 30/04/2004 Intelligence Artificielle 17

18 Avantage Granularité Facilité de mise à jour Perfectionnement des connaissances 30/04/2004 Intelligence Artificielle 18

19 Connaissances vs. Recherche Exemple: se rendre à la poste L importance des connaissances Le Knowledge Engineer Connaissances Académiques et Connaissances Heuristiques 30/04/2004 Intelligence Artificielle 19

20 Concevoir un système expert Sélection du domaine Sélection de l outil de développement Acquisition de connaissances Prototype: tests et re-design 30/04/2004 Intelligence Artificielle 20

21 Concevoir un système expert Système final Déploiement Formation Mise à jour des connaissances 30/04/2004 Intelligence Artificielle 21

22 Concevoir un système expert Outils de développement Langages de programmation LISP Constructeurs de systèmes experts: G2 de Gensym, OPS, TDC3000Expert... 30/04/2004 Intelligence Artificielle 22

23 Heuristiques Efficacité des systèmes experts: dépend de la qualité des connaissances Surtout les connaissances dues à une longue expérience Heuristiques Heuristiques: connaissances linguistiques, langage courant, incertaines difficiles à formaliser mathématiquement 30/04/2004 Intelligence Artificielle 23

24 Système Expert Flou Logique Classique: Vrai ou Faux Logique floue: degré de vraisemblance Exemple: Taille d un être humain µ 1 Taille grande taille 30/04/2004 Intelligence Artificielle 24

25 Système Expert Flou Taille : variable scalaire Taille grande : variable linguistique Autres variables linguistiques pour Taille: Taille petite, Taille moyenne. 30/04/2004 Intelligence Artificielle 25

26 Système Expert Flou Connecteurs logiques flous: ET, OU... Exemple: taille grande ET poids moyen Fonction d appartenance : Min, produit,.. grande moyen taille poids 30/04/2004 Intelligence Artificielle 26

27 Système Expert Flou Systèmes à inférence floue Fuzzy Inference System (FIS) Objectif: représenter les heuristiques, et les utiliser pour résoudre des Problèmes dans un domaine bien déterminé. 30/04/2004 Intelligence Artificielle 27

28 Système Expert Flou Architecture des FIS Entrées Réel Inférence Flou Sorties Flou Règles Floues Réel 30/04/2004 Intelligence Artificielle 28

29 Système Expert Flou Cas d une machine à laver Objectif: durée de lavage? Entrées: degré de saleté, type de saleté Sorties: durée de lavage 30/04/2004 Intelligence Artificielle 29

30 Système Expert Flou Fuzzification Fuzzifier les entrées: degré de saleté et type de saleté Trois variables linguistiques pour chaque entrée: faible, moyen et grand. µ faible moyen µ grand 1 1 moyen faible grand Degré de saleté Type de saleté 30/04/2004 Intelligence Artificielle 30

31 Système Expert Flou Sous ensembles flous de la sortie Durée de lavage : Très courte, courte, moyenne, longue et très longue µ 1 Très courte courte moyenne longue Très longue Durée de lavage en minutes 30/04/2004 Intelligence Artificielle 31

32 Système Expert Flou Base de règles Exemple de règles: Si grand degré de saleté ET Type de saleté gras Alors durée de lavage très longue 30/04/2004 Intelligence Artificielle 32

33 Système Expert Flou Cycle d Inférence. Capter le degré de saleté et le type de saleté. Fuzzifier le degré de saleté ----> variables linguistiques. Fuzzifier le type de saleté -----> variables linguistiques. Repérer les règles applicables. Combiner les conséquence des règles applicables pour déduire la valeur de la durée de lavage 30/04/2004 Intelligence Artificielle 33

34 Applications Principaux champs Contrôle Aide à la décision Planification 30/04/2004 Intelligence Artificielle 34

35 Applications Vision par ordinateur Reconnaissance de formes Camera: Autofocus automatique 30/04/2004 Intelligence Artificielle 35

36 Applications Climatisation Machine à laver: Temps de lavage automatique Fonctionnalités Intelligentes dans une voiture: Suspension automatique Climatisation Injections... 30/04/2004 Intelligence Artificielle 36

37 Applications Supervision Diagnostique Maintenance 30/04/2004 Intelligence Artificielle 37

38 Applications Entraînement au pilotage Planification de missions Navigation d un robot mobile 30/04/2004 Intelligence Artificielle 38

39 Applications Bases de données: SGBDR Environnement: Traitement des eaux usées Analyse des données et aide à la décision Système de gestion de santé (Health Management System) cas de OMRON 30/04/2004 Intelligence Artificielle 39

40 Conclusion Tendances actuelles Complexité des applications Approche évolutive: Algorithmes génétiques, optimisation multi-critères Réseaux de neurones 30/04/2004 Intelligence Artificielle 40

41 Conclusion Autre aspect de l Intelligence: L Intelligence Emotionelle: application au management. 30/04/2004 Intelligence Artificielle 41

42 Références Livres Winston P. H. Artificial Intelligence, Addison-Wesley 1984 David S. Prerau Developing and managing Axpert Systems Addison-Wesley 1990 Elbert A. Walker A first course in fuzzy logic Chapman & Hall / CRC /04/2004 Intelligence Artificielle 42

43 Références Thomas Dean, James Allen, Yiannis Aloimonos Artificial Intelligence: Theory and Practice Amazon.com 2002 J. Yen, R. Langari, L. A. Zadeh Industrial Applications of fuzzy logic and intelligent systems IEEE Press /04/2004 Intelligence Artificielle 43

44 Références Web 30/04/2004 Intelligence Artificielle 44

Introduction à l Intelligence Artificielle

Introduction à l Intelligence Artificielle 1 / 14 Introduction à l Intelligence Artificielle Présentation de l option 2 nd semestre 2014-15 Philippe Chatalic chatalic@lri.fr Université Paris Sud Laboratoire de Recherche en Informatique (UMR CNRS

Plus en détail

Intelligence Artificielle Introduction

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

Plus en détail

A METHOD FOR THE DESIGN OF NEURO-FUZZY CONTROLLERS; AN APPLICATION IN ROBOT LEARNING

A METHOD FOR THE DESIGN OF NEURO-FUZZY CONTROLLERS; AN APPLICATION IN ROBOT LEARNING A METHOD FOR THE DESIGN OF NEURO-FUZZY CONTROLLERS; AN APPLICATION IN ROBOT LEARNING THÈSE No 1602 (1997) PRÉSENTÉE AU DÉPARTEMENT D'INFORMATIQUE ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE PAR Jelena GODJEVAC

Plus en détail

M1805 - Études et développement informatique

M1805 - Études et développement informatique Appellations (Banque - Gestion de projet / Business analyst) Analyste fonctionnel / fonctionnelle informatique Définition M1805 - Études et développement informatique Conçoit, développe et met au point

Plus en détail

Les apports de l informatique. Aux autres disciplines

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

Plus en détail

Le génie logiciel. maintenance de logiciels.

Le génie logiciel. maintenance de logiciels. Le génie logiciel Définition de l IEEE (IEEE 1990): L application d une approche systématique, disciplinée et quantifiable pour le développement, l opération et la maintenance de logiciels. Introduction

Plus en détail

Intelligence Artificielle et Robotique

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

Plus en détail

Intégration de connaissances «métier. » dans un système de Reconnaissance de Formes Linguistiques Floues

Intégration de connaissances «métier. » dans un système de Reconnaissance de Formes Linguistiques Floues Intégration de connaissances «métier» dans un système de Reconnaissance de Formes par Règles R Linguistiques Floues!"#$%&' Contexte : Origine : Thèse O.P. ORAMAS (2000) Intégration de Connaissance en imagerie

Plus en détail

M1805 - Études et développement informatique

M1805 - Études et développement informatique Appellations (Métiers courants) Analyste décisionnel - Business Intelligence Analyste organique informatique Analyste-programmeur / Analyste-programmeuse informatique Chef de projet étude et développement

Plus en détail

Études de bachelor en informatique

Études de bachelor en informatique 1 Études de bachelor en informatique Informatique A notre époque, il n y a pratiquement plus aucune activité qui puisse se passer de l ordinateur. On ne le trouve pas seulement sur les bureaux et dans

Plus en détail

Digital Workplace et Gestion des connaissances Concepts et mise en oeuvre

Digital Workplace et Gestion des connaissances Concepts et mise en oeuvre Avant-propos 1. Objectif du livre 17 2. Illustrations des exemples de ce livre 18 2.1 Office 365 comme plateforme technologique pour une digital workplace 18 2.2 SharePoint et Yammer à l honneur 18 3.

Plus en détail

M1805 - Études et développement informatique

M1805 - Études et développement informatique Appellations Analyste cogniticien / cogniticienne informatique Analyste concepteur / conceptrice informatique Concepteur / Conceptrice analyste informatique Concepteur / Conceptrice d'application informatique

Plus en détail

Ingénierie de Systèmes Intelligents

Ingénierie de Systèmes Intelligents Ingénierie de Systèmes Intelligents p. 1/? Ingénierie de Systèmes Intelligents Maria Malek maria.malek@eisti.fr Ecole Internationale des Sciences de Traitement de l Information (EISTI) http://www.eisti.fr/

Plus en détail

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines

Plus en détail

l Intelligence Artificielle

l Intelligence Artificielle 1 Introduction à l Intelligence Artificielle Antoine Cornuéjols antoine@lri.fr http://www.iie.cnam.fr/~cornuejols/ I.I.E. & L.R.I., Université d Orsay Intelligence Artificielle : plan 2 1-2- 3-4- 5-6-

Plus en détail

Évaluation et implémentation des langages

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

Plus en détail

GIND5439 Systèmes Intelligents. Chapitre 1: Intelligence artificielle

GIND5439 Systèmes Intelligents. Chapitre 1: Intelligence artificielle GIND5439 Systèmes Intelligents Chapitre 1: Intelligence artificielle Contenu du chapitre Approches vs Intelligence artificielle Définition de l intelligence Historique Le test de Turing 2 Approches Science

Plus en détail

1.2 Unité responsable Département d informatique, Faculté des sciences

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

Plus en détail

Artificial Intelligence AI

Artificial Intelligence AI Pedagogical Introduction Artificial Intelligence AI Lecture 0 Karim Bouzoubaa This Lecture General Information Examples Importance At the end Intelligent Systems Course Content, Other AI courses, Learning

Plus en détail

L interprétation d un réseau de neurones en estimation du coût de logiciels

L interprétation d un réseau de neurones en estimation du coût de logiciels L interprétation d un réseau de neurones en estimation du coût de logiciels Ali Idri ENSIAS, BP. 73, Agdal, Rabat Université Mohamed V-Souissi E-mail : idri@ensias.um5souissi.ac.ma Alain Abran Ecole de

Plus en détail

Antoine Cornuéjols. 1- Introduction à l IA. 1.1- C est quoi l intelligence? 1.2- Comment étudier l intelligence? AgroParisTech

Antoine Cornuéjols. 1- Introduction à l IA. 1.1- C est quoi l intelligence? 1.2- Comment étudier l intelligence? AgroParisTech ! 7 séances de 3h (cours + TD/TP)! Programme et références sur : http://www.agroparistech.fr/ufr-info/membres/cornuejols/teaching/agro/cours-ia/ iodaa-cours-ia.html Antoine Cornuéjols AgroParisTech! Contrôle

Plus en détail

Première partie I. Aspects administratifs. Option reconnaissance des formes. Aspects pratiques. Le programme. Organisation du cours.

Première partie I. Aspects administratifs. Option reconnaissance des formes. Aspects pratiques. Le programme. Organisation du cours. Option reconnaissance des formes ntroduction Guillaume Wisniewski guillaume.wisniewski@limsi.fr Première partie Aspects administratifs Université Paris Sud LMS janvier 2011 Aspects pratiques Le programme

Plus en détail

Intelligence artificielle appliquée à l automatique

Intelligence artificielle appliquée à l automatique Intelligence artificielle appliquée à l automatique par Sylviane GENTIL Professeur à l École nationale supérieure d ingénieurs électriciens Institut national polytechnique de Grenoble 1. Définitions et

Plus en détail

Adaptation sémantique de documents SMIL

Adaptation sémantique de documents SMIL Adaptation sémantique de documents SMIL Sébastien Laborie Jérôme Euzenat Nabil Layaïda INRIA Rhône-Alpes - 655 Avenue de l Europe - 38334 St Ismier Cedex {Sebastien.Laborie;Jerome.Euzenat;Nabil.Layaida}@inrialpes.fr

Plus en détail

Modélisation agent d une Architecture Logicielle de commande d un Véhicule Autonome

Modélisation agent d une Architecture Logicielle de commande d un Véhicule Autonome Modélisation agent d une Architecture Logicielle de commande d un Véhicule Autonome ENNAJI Mourad LASC université de Metz Ile du Saulcy B.P 80794 57 012 METZ Ennaji@lasc.sciences.univ-metz.fr Résumé Cet

Plus en détail

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

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

Plus en détail

Antoine Cornuéjols AgroParisTech

Antoine Cornuéjols AgroParisTech Antoine Cornuéjols AgroParisTech antoine.cornuejols@agroparistech.fr http://www.lri.fr/~antoine Cours IA 1. Introduction 2. Cas des jeux entièrement explorables 3. L algorithme du MinMax 4. Amélioration

Plus en détail

Ingénierie de Systèmes Intelligents

Ingénierie de Systèmes Intelligents Ingénierie de Systèmes Intelligents p. 1/ Ingénierie de Systèmes Intelligents Application : Web Intelligent Maria Malek EISTI Ingénierie de Systèmes Intelligents p. 2/ Objectif Traitement Intelligent des

Plus en détail

VOLUME 1 CRÉATION D UN SITE WEB

VOLUME 1 CRÉATION D UN SITE WEB VOLUME 1 CRÉATION D UN SITE WEB Comprendre les principales étapes TABLE DES MATIÈRES PARTIE 1 - RENCONTRE DE DÉMARRAGE 03 PARTIE 2 - ANALYSE FONCTIONNELLE 03 PARTIE 3 - ARBORESCENCE 04 PARTIE 4 - MAQUETTES

Plus en détail

Francis BISSON (06 794 819) Kenny CÔTÉ (06 836 427) Pierre-Luc ROGER (06 801 883) IFT702 Planification en intelligence artificielle

Francis BISSON (06 794 819) Kenny CÔTÉ (06 836 427) Pierre-Luc ROGER (06 801 883) IFT702 Planification en intelligence artificielle Francis BISSON (06 794 819) Kenny CÔTÉ (06 836 427) Pierre-Luc ROGER (06 801 883) PLANIFICATION DE TÂCHES DANS MS PROJECT IFT702 Planification en intelligence artificielle Présenté à M. Froduald KABANZA

Plus en détail

Apprentissage Automatique

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

Plus en détail

«L état de la recherche en management de projet». CR du séminaire sur le management de projet organisé à Paris Dauphine

«L état de la recherche en management de projet». CR du séminaire sur le management de projet organisé à Paris Dauphine «L état de la recherche en management de projet». CR du séminaire sur le management de projet organisé à Paris Dauphine Par Eric Boespflug Préambule : cette journée de séminaire faisait état des résultats

Plus en détail

Plan du module. Objectif du module. Architecture des Ordinateurs. Objectif: de la mécanique au fonctionnel. Intervenants. Acquérir un...

Plan du module. Objectif du module. Architecture des Ordinateurs. Objectif: de la mécanique au fonctionnel. Intervenants. Acquérir un... Mise à jour: Janvier 2012 Architecture des Ordinateurs [Archi/Lycée] 2 Nicolas Bredèche Maître de Conférences Université Paris-Sud bredeche@lri.fr Ressources bibliographiques utilisées pour ce cours :

Plus en détail

Tronc Commun. Premier Semestre

Tronc Commun. Premier Semestre PLAN D ÉTUDE Programme de la Première année Tronc Commun Mathématiques Discrètes Probabilités et Statistiques Réseaux et Systèmes Transmissions de Données Fondements de Système d Exploitation Réseaux Informatiques

Plus en détail

Adresse : 10 zone commerciale Cavani 97600 Mamoudzou GSM : 0639255016 Mail : abdillah@mahoresoft.com ou c.a.abdillah@gmail.com

Adresse : 10 zone commerciale Cavani 97600 Mamoudzou GSM : 0639255016 Mail : abdillah@mahoresoft.com ou c.a.abdillah@gmail.com 1 Sommaire 1. Préambule... 3 2. Notre pack business, indispensable pour vos affaires sur Internet à 750 la première année puis 550 par an... 3 3. Sites Internet statiques traditionnels (classiques) sans

Plus en détail

SHAREPOINT PORTAL SERVER 2013

SHAREPOINT PORTAL SERVER 2013 Powered by TCPDF (www.tcpdf.org) SHAREPOINT PORTAL SERVER 2013 Sharepoint portal server 2013 DEVELOPING MICROSOFT SHAREPOINT SERVER 2013 CORE SOLUTIONS Réf: MS20488 Durée : 5 jours (7 heures) OBJECTIFS

Plus en détail

ANALYSE AVANCEE DE DONNEES GEOSPATIALES AVEC ecognition

ANALYSE AVANCEE DE DONNEES GEOSPATIALES AVEC ecognition ANALYSE AVANCEE DE DONNEES GEOSPATIALES AVEC ecognition MISE A JOUR CADASTRALE NOTRE COMPREHENSION DU MONDE CHANGE Le logiciel est conçu pour améliorer, accélérer et automatiser l interprétation des images

Plus en détail

Cours : INF 784 Systèmes à base de connaissances Trimestre : Automne 2015 Enseignant : Évariste Valéry BÉVO WANDJI

Cours : INF 784 Systèmes à base de connaissances Trimestre : Automne 2015 Enseignant : Évariste Valéry BÉVO WANDJI Faculté des sciences Centre de formation en technologies de l information Cours : INF 784 Systèmes à base de connaissances Trimestre : Automne 2015 Enseignant : Évariste Valéry BÉVO WANDJI 1. Mise en contexte

Plus en détail

Modélisation du comportement habituel de la personne en smarthome

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

Plus en détail

SYLLABUS SEMESTRE 9 Année 2011-2012

SYLLABUS SEMESTRE 9 Année 2011-2012 SYLLABUS SEMESTRE 9 2011-2012 Parcours S2I «Systèmes d Information et Informatique» François Brucker Tel.: 04 91 05 43 95 E-mail : francois.brucker@centrale-marseille.fr PROGRAMME Nb heures élèves (hors

Plus en détail

Les grandes familles du numérique

Les grandes familles du numérique Les grandes familles du numérique Les métiers de la production Gérer, exploiter et veiller les systèmes informatiques et réseaux Technicien infrastructure Technicien système, intégration, réseau, télécom,

Plus en détail

Les sections 6 et 7. du ComitéNational de la RechercheScientifique

Les sections 6 et 7. du ComitéNational de la RechercheScientifique Les sections 6 et 7 du ComitéNational de la RechercheScientifique (CoNRS) Frédérique Bassino et Michèle Basseville Plan Le comité national Les missions des sections Les sections 6 et 7 Le comiténational

Plus en détail

Management des processus opérationnels

Management des processus opérationnels Ecole Nationale Supérieure de Management Master Management des organisations Management des processus opérationnels Dr TOUMI Djamila Cours n 4: l approche processus et le management du système d informations

Plus en détail

Cours de Master Recherche

Cours de Master Recherche Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction

Plus en détail

Vérification Formelle des Aspects de Cohérence d un Workflow net

Vérification Formelle des Aspects de Cohérence d un Workflow net Vérification Formelle des Aspects de Cohérence d un Workflow net Abdallah Missaoui Ecole Nationale d Ingénieurs de Tunis BP. 37 Le Belvédère, 1002 Tunis, Tunisia abdallah.missaoui@enit.rnu.tn Zohra Sbaï

Plus en détail

Formation BusinessObjects v.6.5. Contenu des Formations

Formation BusinessObjects v.6.5. Contenu des Formations Formation BusinessObjects v.6.5 des Formations TABLE DES MATIERES I. UTILISATEUR BO V.6.5 NIVEAU 1 & 2... 3 DESCRIPTION... 3 PREALABLE... 3 CONTENU... 3 II. INFOVIEW & WEBINTELLIGENCE V.6.5... 4 DESCRIPTION...

Plus en détail

RESUME DESCRIPTIF DE LA CERTIFICATION (FICHE REPERTOIRE)

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

Plus en détail

La Certification de la Sécurité des Automatismes de METEOR

La Certification de la Sécurité des Automatismes de METEOR 1 La Certification de la Sécurité des Automatismes de METEOR 2 un mot sur METEOR 3 Le projet METEOR, c'est... un système automatique complexe fortement intégré matériel roulant, équipements électriques,

Plus en détail

Programme de cours des IM (Ingénieurs-Managers) pour les 3 années

Programme de cours des IM (Ingénieurs-Managers) pour les 3 années Programme de cours des IM (Ingénieurs-Managers) pour les 3 années Cours Techniques IT Prise de contact L'historique de l'informatique Structure de données et algorithme (cf onglet) Architectures matérielles

Plus en détail

BI = Business Intelligence Master Data-ScienceCours 7 - Data

BI = Business Intelligence Master Data-ScienceCours 7 - Data BI = Business Intelligence Master Data-Science Cours 7 - Data Mining Ludovic DENOYER - UPMC 30 mars 2015 Ludovic DENOYER - Typologie des méthodes de Data Mining Différents types de méthodes : Méthodes

Plus en détail

BACHELOR OF SCIENCE INFORMATICIEN-NE DE GESTION

BACHELOR OF SCIENCE INFORMATICIEN-NE DE GESTION Informatique de gestion BACHELOR OF SCIENCE HES-SO BACHELOR OF SCIENCE INFORMATICIEN-NE DE GESTION Plans d études et descriptifs des modules Filière à plein temps et à temps partiel Table des matières

Plus en détail

APPROCHE DE LA SURVEILLANCE DES SYSTEMES PAR RESEAUX DE PETRI SYNCHRONISES FLOUS

APPROCHE DE LA SURVEILLANCE DES SYSTEMES PAR RESEAUX DE PETRI SYNCHRONISES FLOUS THE PUBLISHING HOUSE PROCEEDINGS OF THE ROMANIAN ACADEMY, Series A, OF THE ROMANIAN ACADEMY Volume 9, Number 2/2008, pp. 000 000 APPROCHE DE LA SURVEILLANCE DES SYSTEMES PAR RESEAUX DE PETRI SYNCHRONISES

Plus en détail

INTRODUCTION AUX LANGAGES...

INTRODUCTION AUX LANGAGES... C/C++/ Ch 1 Introduction I. INTRODUCTION AUX LANGAGES... 1 A. NOTION DE PROGRAMME... 1 B. LANGAGES DE PROGRAMMATION... 2 C. FAMILLES DE LANGAGES DE PROGRAMMATION... 2 1. Générations de langages... 2 2.

Plus en détail

Domaine de Formation : Sciences et Technologies Mention : Informatique Spécialité : Informatique de Gestion

Domaine de Formation : Sciences et Technologies Mention : Informatique Spécialité : Informatique de Gestion LICENCE FONDAMENTALE INFORMATIQUE DE GESTION Domaine de Formation : Sciences et Technologies Mention : Informatique Spécialité : Informatique de Gestion I. Présentation de la licence Le but de la Licence

Plus en détail

Gestion d énergie pour locomotive électrique hybride basée sur la logique floue d ordre 2 par approche génétique évolutionnaire

Gestion d énergie pour locomotive électrique hybride basée sur la logique floue d ordre 2 par approche génétique évolutionnaire Gestion d énergie pour locomotive électrique hybride basée sur la logique floue d ordre 2 par approche génétique évolutionnaire Jérôme BAERT Université de Franche-Comté, FEMTO-ST Département Energie UMR

Plus en détail

Modèle multi-agents de prise de décision éthique

Modèle multi-agents de prise de décision éthique Équipe Modèles, Agents, Décision Laboratoire GREYC CNRS UMR 6072 Université de Caen Basse-Normandie ENSICAEN Boulevard du Maréchal Juin CS 14 032, 14 032 Caen Cedex 5 Tel. : +33 (0)2 31 56 74 84 Fax :

Plus en détail

BASE DE DONNEES. OlivierCuré [ocure@univ-mlv.fr]

BASE DE DONNEES. OlivierCuré [ocure@univ-mlv.fr] BASE DE DONNEES 1 Contact Olivier Curé ocure@univ-mlv.fr http://www.univ-mlv.fr/~ocure Copernic 4B060 2 Objectifs du cours Présentation des concepts liés aux bases de données, aux modèles des bases de

Plus en détail

GROUPE DE TRAVAIL MACHINES INTELLIGENTES. 29 octobre 2014 Présentation au GdR Robotique

GROUPE DE TRAVAIL MACHINES INTELLIGENTES. 29 octobre 2014 Présentation au GdR Robotique GROUPE DE TRAVAIL MACHINES INTELLIGENTES 29 octobre 2014 Présentation au GdR Robotique 1 PLAN ROBOTIQUE ET GROUPE DE TRAVAIL MACHINE INTELLIGENTE : CHAMPS D ACTIONS La Machine Intelligente au cœur des

Plus en détail

Médiation sur la toile Information Integration using Mediation

Médiation sur la toile Information Integration using Mediation Médiation sur la toile Information Integration using Mediation Auteur à contacter : François GOASDOUÉ Tél. : 01 69 15 58 46 Fax : 01 69 15 65 86 Mél. : fg@lri.fr Auteurs : François GOASDOUÉ LRI (Université

Plus en détail

IFT2251 Introduction au génie logiciel Plan de cours. 2. Description du cours et objectifs généraux

IFT2251 Introduction au génie logiciel Plan de cours. 2. Description du cours et objectifs généraux IFT2251 Introduction au génie logiciel Plan de cours Été 2008 Yann-Gaël Guéhéneuc 1. Introduction Les exigences et les attentes à l égard de la qualité logicielle sont de plus en plus grandes. La taille

Plus en détail

Objets futés et réalité de l Internet des objets

Objets futés et réalité de l Internet des objets Table ronde Société interactive : des hommes et des objets connectés Objets futés et réalité de l Internet des objets Jean Arlat [jean.arlat@laas.fr] Thomas Nicholls [thomas.nicholls@sigfox.com] www.laas.fr

Plus en détail

Utilisation des tableaux sémantiques dans les logiques de description

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

Plus en détail

ITIL V3. Objectifs, principes-clés et politiques de la transition des services

ITIL V3. Objectifs, principes-clés et politiques de la transition des services ITIL V3 Objectifs, principes-clés et politiques de la transition des services Création : janvier 2008 Mise à jour : août 2011 A propos A propos du document Ce document de référence sur le référentiel ITIL

Plus en détail

Développement d une ontologie pour la classification d images en télédétection

Développement d une ontologie pour la classification d images en télédétection Développement d une ontologie pour la classification d images en télédétection Omar Boussaid, David Sheeren, Anne Puissant et Pierre Gançarski Laboratoire ERIC, EA 3038 - Université Lyon 2 Omar.Boussaid@univ-lyon2.fr

Plus en détail

Partage et diffusion de connaissances appliquées. à la mémoire m moire d'entreprise.

Partage et diffusion de connaissances appliquées. à la mémoire m moire d'entreprise. Partage et diffusion de connaissances appliquées à la mémoire m moire d'entreprise. Par Marlé Xavier xavier.marle@keutch.org www.keutch.org 22/02/2006 IFT 6261 Traitement des connaissances. Professeur

Plus en détail

Programme de formation " ITIL Foundation "

Programme de formation  ITIL Foundation Programme de formation " ITIL Foundation " CONTEXTE Les «Référentiels» font partie des nombreux instruments de gestion et de pilotage qui doivent se trouver dans la «boite à outils» d une DSI ; ils ont

Plus en détail

Outil SANTE: Détection d erreurs par analyse statique et test structurel des programmes C

Outil SANTE: Détection d erreurs par analyse statique et test structurel des programmes C Outil SANTE: Détection d erreurs par analyse statique et test structurel des programmes C Omar Chebaro LIFC, Université de Franche-Comté, 25030 Besançon France CEA, LIST, Laboratoire Sûreté des Logiciels,

Plus en détail

A propos de l Utilisation de l Intelligence Artificielle en Finance : Aperçu de quelques techniques *

A propos de l Utilisation de l Intelligence Artificielle en Finance : Aperçu de quelques techniques * A propos de l Utilisation de l Intelligence Artificielle en Finance : Aperçu de quelques techniques * Rédha TIR E-mail : Redha_tir@yahoo.com Résume : L information économique est devenue une ressource

Plus en détail

La Recherche du Point Optimum de Fonctionnement d un Générateur Photovoltaïque en Utilisant les Réseaux NEURO-FLOUS

La Recherche du Point Optimum de Fonctionnement d un Générateur Photovoltaïque en Utilisant les Réseaux NEURO-FLOUS Rev. Energ. Ren. : Chemss 2000 39-44 La Recherche du Point Optimum de Fonctionnement d un Générateur Photovoltaïque en Utilisant les Réseaux NEURO-FLOUS D.K. Mohamed, A. Midoun et F. Safia Département

Plus en détail

Sujet de thèse Prise en compte des recommandations de l utilisateur dans les services numériques intelligents

Sujet de thèse Prise en compte des recommandations de l utilisateur dans les services numériques intelligents Sujet de thèse Prise en compte des recommandations de l utilisateur dans les services numériques intelligents Directeur de thèse : Bruno Zanuttini GREYC, UMR 6072 UNICAEN/CNRS/ENSICAEN, équipe MAD Démarrage

Plus en détail

4.2 Unités d enseignement du M1

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

Plus en détail

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

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

Plus en détail

Master Sciences et technologies Mention MI : Management de l Innovation

Master Sciences et technologies Mention MI : Management de l Innovation Master Sciences et technologies Mention MI : Management de l Innovation M2 Spécialité Ingénierie et Management de la Formation (IMFL ) Présentation des UE UE de spécialité UE1 «Management des connaissances

Plus en détail

Rapport de Stage. Habillage procédural et rendu en temps réel de vastes terrains texturés par GPU-quadtrees. (15 janvier - 15juillet 2006

Rapport de Stage. Habillage procédural et rendu en temps réel de vastes terrains texturés par GPU-quadtrees. (15 janvier - 15juillet 2006 Rapport de Stage Habillage procédural et rendu en temps réel de vastes terrains texturés par GPU-quadtrees (15 janvier - 15juillet 2006 15 avril - 15 juillet 2007) Effectué au sein du laboratoire MAP-ARIA

Plus en détail

SQL SERVER 2008, BUSINESS INTELLIGENCE

SQL SERVER 2008, BUSINESS INTELLIGENCE SGBD / Aide à la décision SQL SERVER 2008, BUSINESS INTELLIGENCE Réf: QLI Durée : 5 jours (7 heures) OBJECTIFS DE LA FORMATION Cette formation vous apprendra à concevoir et à déployer une solution de Business

Plus en détail

Présentation de la majeure ISN. ESILV - 18 avril 2013

Présentation de la majeure ISN. ESILV - 18 avril 2013 Présentation de la majeure ISN ESILV - 18 avril 2013 La Grande Carte des Métiers et des Emplois Sociétés de service Entreprises Administrations Grand- Public Sciences Utiliser Aider à utiliser Vendre APPLICATIONS:

Plus en détail

Modélisation Prédictive Robuste

Modélisation Prédictive Robuste INTELLIGENT TECHNOLOGIES Modélisation Prédictive Robuste GENERATE P R E D I C T O P T I M I Z E Découvrir l'essentiel. pour comprendre, prédire et optimiser. est une solution inédite de modélisation et

Plus en détail

Le programme d examens préparé par le Bureau canadien des conditions d admission en génie d Ingénieurs Canada englobe dix-sept disciplines du génie.

Le programme d examens préparé par le Bureau canadien des conditions d admission en génie d Ingénieurs Canada englobe dix-sept disciplines du génie. INTRODUCTION Le programme d examens préparé par le Bureau canadien des conditions d admission en génie d Ingénieurs Canada englobe dix-sept disciplines du génie. Le programme d examens de chaque spécialité

Plus en détail

Domaine : Le management CATALOGUE DE FORMATION 2011-2015

Domaine : Le management CATALOGUE DE FORMATION 2011-2015 Domaine : Le management CATALOGUE DE FORMATION 2011-2015 Sous -domaine : Le management stratégique Sous-domaine : Le management Management : concept, définitions et outils -Connaitre les principes, les

Plus en détail

Curriculum Vitae. Master en Management des projets DESS en gestion des projets. Ingénieur en Informatique industrielle

Curriculum Vitae. Master en Management des projets DESS en gestion des projets. Ingénieur en Informatique industrielle ZNIBER Taoufik Curriculum Vitae. Nom de famille : ZNIBER 2. Prénom : Taoufik 3. Date de naissance : Né le 9 Novembre 966 4. Nationalité : Marocaine 5. Etat civil : Marié 6. Diplômes : Institutions Université

Plus en détail

Le recrutement CSI/LRDE

Le recrutement CSI/LRDE Le recrutement CSI/LRDE Otto Laboratoire de Recherche et Développement de l EPITA (LRDE) 10 déc 2007 (rév. 489) Otto (LRDE) CSI 10 déc 2007 1 / 32 Le recrutement CSI/LRDE 1 L option CSI 2 3 Otto (LRDE)

Plus en détail

BULLETIN DE PRE-INSCRIPTION AUX FORMATIONS

BULLETIN DE PRE-INSCRIPTION AUX FORMATIONS BULLETIN DE PRE-INSCRIPTION AUX FORMATIONS NOM NOM DE JEUNE FILLE PRENOM DATE DE NAISSANCE / / STATUT Artisan Conjoint(e) Conjoint(e) collaborateur Associé non salarié Autres Si Artisan, préciser la date

Plus en détail

IFT2251 Introduction au génie logiciel Hiver 2006 (4 crédits) Prof. : Julie Vachon. Plan de cours

IFT2251 Introduction au génie logiciel Hiver 2006 (4 crédits) Prof. : Julie Vachon. Plan de cours IFT2251 Introduction au génie logiciel Hiver 2006 (4 crédits) Prof. : Julie Vachon ** Début des cours : le lundi 9 janvier 2006 ** Plan de cours 1. Introduction Les exigences et les attentes à l égard

Plus en détail

Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION

Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Classe de terminale de la série Sciences et Technologie du Management et de la Gestion Préambule Présentation Les technologies de l information

Plus en détail

MAÎTRISE ÈS SCIENCES EN GESTION. MICROPROGRAMMES Exploitation de données en intelligence d affaires Analytique d affaires - Énergie 2014 ANNUAIRE

MAÎTRISE ÈS SCIENCES EN GESTION. MICROPROGRAMMES Exploitation de données en intelligence d affaires Analytique d affaires - Énergie 2014 ANNUAIRE MAÎTRISE ÈS SCIENCES EN GESTION MICROPROGRAMMES Exploitation de données en intelligence d affaires Analytique d affaires - Énergie 2014 2015 ANNUAIRE Dépôt légal IMPORTANT En complément de cet annuaire,

Plus en détail

M1805 - Études et développement null informatique. R i. Appellations. Analyste cogniticien / cogniticienne informatique

M1805 - Études et développement null informatique. R i. Appellations. Analyste cogniticien / cogniticienne informatique M1805 - Études et développement null informatiue IASEC : i Appellations Analyste cogniticien / cogniticienne informatiue Développeur / Développeuse - jeux vidéo Analyste concepteur / conceptrice informatiue

Plus en détail

MASTER (LMD) PARCOURS ARCHITECTURE & INGÉNIERIE DU LOGICIEL & DU WEB

MASTER (LMD) PARCOURS ARCHITECTURE & INGÉNIERIE DU LOGICIEL & DU WEB MASTER (LMD) PARCOURS ARCHITECTURE & INGÉNIERIE DU LOGICIEL & DU WEB RÉSUMÉ DE LA FORMATION Type de diplôme : Master (LMD) Domaine ministériel : Sciences, Technologies, Santé Mention : INFORMATIQUE Spécialité

Plus en détail

Spécificités, Applications et Outils

Spécificités, Applications et Outils Spécificités, Applications et Outils Ricco Rakotomalala Université Lumière Lyon 2 Laboratoire ERIC Laboratoire ERIC 1 Ricco Rakotomalala ricco.rakotomalala@univ-lyon2.fr http://chirouble.univ-lyon2.fr/~ricco/data-mining

Plus en détail

DEVELOPPER SON BUSINESS AVEC LE CLOUD

DEVELOPPER SON BUSINESS AVEC LE CLOUD DEVELOPPER SON BUSINESS AVEC LE CLOUD Améliorer son commercial, son organisation, son collectif pour 0 / mois Joël Pastré joel.pastre@smartup.net 06 7 8 69 8 Vous voulez développer votre entreprise son

Plus en détail

CELL. Logiciel libre et Web, le mariage parfait

CELL. Logiciel libre et Web, le mariage parfait CELL Logiciel libre et Web, le mariage parfait WAQ, mars 2014 Patrice Di Marcantonio Directeur du Centre d'expertise en logiciel libre CELL Que serait le Web sans logiciels libres? http://news.netcraft.com/archives/2012/07/03/july-2012-web-server-survey.html

Plus en détail

CEISAR Survey on IT education

CEISAR Survey on IT education CEISAR Survey on IT education Objectives In June 2007, the CEISAR conducted a survey to understand what company needs are in terms of training on Computer Science and Management of IS. Our objective was

Plus en détail

Calendrier des examens - Session de contrôle Juin 2015 1 ère Année Licence Appliquée en Informatique de Gestion

Calendrier des examens - Session de contrôle Juin 2015 1 ère Année Licence Appliquée en Informatique de Gestion 1 ère Année 1 ère Année Licence Appliquée en Informatique de Gestion LUNDI 08/06/2015 MARDI 09/06/2015 MERCREDI 10/06/2015 JEUDI 11/06/2015 VENDREDI 12/06/2015 SAMEDI 13/06/2015 LUNDI 15/06/2015 MARDI

Plus en détail

Détection d Intrusions par Diversification de COTS et Diagnostic d Anomalies

Détection d Intrusions par Diversification de COTS et Diagnostic d Anomalies Détection d Intrusions par Diversification de COTS et Diagnostic d Anomalies Frédéric Majorczyk Ayda Saidane Éric Totel Ludovic Mé prénom.nom@supelec.fr Supélec, Rennes, France DADDi 18/11/2005 Frédéric

Plus en détail

Principes de fonctionnement des moteurs d inférences. Le Moteur d Inférences (MI)

Principes de fonctionnement des moteurs d inférences. Le Moteur d Inférences (MI) Principes de fonctionnement des moteurs d inférences 1 Le Moteur d Inférences (MI) BCD Si A et B -> D Si A et non D -> non C BCP Moteur d Inférences A vrai C faux B? D? Le MI décide, en fonction de la

Plus en détail

APPORT DES RESEAUX BAYESIENS DANS LA PREVENTION DE LA DELINQUANCE

APPORT DES RESEAUX BAYESIENS DANS LA PREVENTION DE LA DELINQUANCE SûretéGlobale.Org La Guitonnière 49770 La Meignanne Téléphone : +33 241 777 886 Télécopie : +33 241 200 987 Portable : +33 6 83 01 01 80 Adresse de messagerie : c.courtois@sureteglobale.org APPORT DES

Plus en détail

1. Vue rapide des logiciels disponibles

1. Vue rapide des logiciels disponibles Voici une revue rapide des progiciels gratuits accessibles [FREE AND SHAREWARE] dans la section SUITES du site KDNUGGETS (http://www.kdnuggets.com/software/suites.html). L étude sera approfondie pour les

Plus en détail

MANAGEMENT DES SYSTEMES D INFORMATION ET DE PRODUCTION MSIP

MANAGEMENT DES SYSTEMES D INFORMATION ET DE PRODUCTION MSIP MANAGEMENT DES SYSTEMES D INFORMATION ET DE PRODUCTION MSIP METHODES & CONCEPTS POUR UNE INGENIERIE INNOVANTE Ecole Nationale Supérieure des Mines de Rabat Département INFORMATIQUE www.enim.ac.ma MANAGEMENT

Plus en détail

1 Bref Curriculum Vitae

1 Bref Curriculum Vitae Hélène FARGIER Institut de Recherche en Informatique de Toulouse (IRIT) 118 route de Narbonne, 31062 Toulouse Cedex 9, France Tel : (33) 5. 61.55.82.97 E-mail : fargier@irit.fr État civil : 48 ans, veuve,

Plus en détail

Une méthode d apprentissage pour la composition de services web

Une 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 détail

DATA MINING EN ASSURANCE : Quelques Utilisations

DATA MINING EN ASSURANCE : Quelques Utilisations DATA MINING EN ASSURANCE : Quelques Utilisations Rédha TIR Inspecteur Central Direction des Grandes Entreprises (DGE) Ministères des Finances Tél. :+213 70 35 53 85 Fax : +213 94 19 43 E-mail :Redha_Tir@yahoo.com

Plus en détail