Recherche - Évaluation
|
|
- Hubert Carbonneau
- il y a 8 ans
- Total affichages :
Transcription
1 Recherche - Évaluation Rappels des épisodes précédents Extraction d Information dans les textes I xavier.tannier@limsi.fr Les acteurs de la Recherche d'information Recherche d'information Collection : un ensemble de documents Collections dynamiques vs. statiques Indexation (modèle de document) Utilisateur : un besoin d'information et/ou une tâche à accomplir Les systèmes de RI doivent pouvoir traiter : De grandes masses d'information En langage naturel (et créée pour des humains) De façon rapide et pertinente Requête Modèle de recherche Évaluation 4
2 Rien ne sert de courir; il faut partir à point : Le lièvre et la tortue en sont un témoignage. «Gageons, dit celle-ci, que vous n'atteindrez point Sitôt que moi ce but. - Sitôt? Êtes-vous sage? Repartit l'animal léger : Ma commère, il vous faut purger Avec quatre grains d'ellébore.) - Sage ou non, je parie encore." Ainsi fut fait; et de tous deux On mit près du but les enjeux : Savoir quoi, ce n'est pas l'affaire, Ni de quel juge l'on convint. Notre lièvre n'avait que quatre pas à faire, J'entends de ceux qu'il fait lorsque, prêt d'être atteint, Il s'éloigne des chiens, les renvoie aux calendes, Et leur fait arpenter les landes. Ayant, dis-je, du temps de reste pour brouter, Pour dormir et pour écouter D'où vient le vent, il laisse la tortue Aller son train de sénateur. Elle part, elle s'évertue, Elle se hâte avec lenteur. Lui cependant méprise une telle victoire, Tient la gageure à peu de gloire, Croit qu'il y a de son honneur De partir tard. Il broute, il se repose, Il s'amuse à toute autre chose Qu'à la gageure. A la fin, quand il vit Que l'autre touchait presque au bout de la carrière, Il partit comme un trait; mais les élans qu'il fit Furent vains : la tortue arriva la première. "Eh bien! lui cria-t-elle, avais-je pas raison? De quoi vous sert votre vitesse? Moi l'emporter! et que serait-ce Si vous portiez une maison?" Construction de l index : vue générale Fichier inverse DOCUMENTS TERMES Rien ne sert de courir il faut partir à point INDEX TEXTE TERMES NORMALISÉS rien courir partir sert faut point 5 6 Sac de mots tf.idf Modèles «sac de mots» pour l indexation et la recherche : On oublie l ordre des mots On raisonne en termes de présence / absence des termes dans un document, ou en terme de fréquence de ces termes Intuition # : plus un document contient d'occurrences d'un terme, plus il est "à propos" de ce terme Intuition #2 : des termes très fréquents dans tous les documents ne sont pas si importants (ils sont moins discriminants) Le poids d un terme (tf.idf) est la combinaison de ces deux intuitions pour rendre compte du caractère discriminant d un terme dans un document, =, =, (ou sa variante) 7 8
3 Proposition temporaire de similarité Proposition pour le score de similarité d un document D en fonction d une requête Q, =, On ne la conservera pas! Du modèle booléen aux modèles à listes de résultats ordonnés 9 Modèles de recherche : les trois courants Modèles fondés sur la théorie des ensembles Modèle booléen Modèles algébriques Modèle vectoriel Modèles probabilistes Modélisation de la notion de "pertinence" Courants fondés à l'aube de la discipline (années 60, 70) Passage à l'échelle : des bases documentaires "jouets" au téraoctet de TREC et au Web Modèle booléen Le premier et le plus simple des modèles Basé sur la théorie des ensembles et l'algèbre de Boole Les termes de la requête sont soit présents soit absents Poids binaire des termes, 0 ou Un document est soit pertinent soit non pertinent Pertinence binaire, et jamais partielle (modèle exact) La requête s'exprime avec des opérateurs logiques AND, OR, NOT (cyclisme OR natation) AND NOT dopage le document est pertinent si et seulement si son contenu respecte la formule logique demandée 2
4 Modèle booléen : exemple Requête Q : (cyclisme OR natation) AND NOT dopage Le document contient cyclisme natation cyclisme OR natation dopage NOT dopage Pertinence du document Modèle booléen : avantages et inconvénients Avantages : Le modèle est transparent et simple à comprendre pour l'utilisateur : Pas de paramètres "cachés" Raison de sélection d'un document claire : il répond à une formule logique Adapté pour les spécialistes (vocabulaire contraint) Inconvénients : Il est difficile d'exprimer des requêtes longues sous forme booléenne Le critère binaire peu efficace Il est admis que la pondération des termes améliore les résultats cf. modèle booléen étendu Il est impossible d'ordonner les résultats Tous les documents retournés sont sur le même plan L'utilisateur préfère un classement lorsque la liste est grande 3 4 Extensions possibles Opérateurs d'adjacence ou de proximité : «base NEAR données» Nécessite la conservation des positions des mots dans les documents Pondération des mots-clés «JO AND Pékin AND (natation:3 OR cyclisme:4 OR athlétisme:2)» Permet un classement des résultats, mais selon des préférences exprimées par l'utilisateur Voir aussi plus loin le modèle booléen étendu Vers des listes ordonnées de résultats La plupart des utilisateurs : ont du mal à écrire des requêtes booléennes ne veulent pas parcourir trop de résultats (des milliers, voire des millions) On préfère donc des listes ordonnées Du plus utile à l utilisateur (pertinent) au moins utile Le nombre de résultats n est plus un problème L utilisateur en parcourt autant qu il le souhaite La condition : avoir un algorithme d ordonnancement efficace Modèle statistique : Aspect quantitatif des termes et des documents Degré de similarité entre une requête et un document 5 6
5 Modèle vectoriel Modèle vectoriel Mesure de similarité : Plus deux représentations contiennent les mêmes éléments, plus la probabilité qu elles représentent la même information est élevée. Documents et requête sont représentés par un vecteur Les coordonnées du vecteur sont exprimées dans un espace euclidien à n dimensions (n : nombre de termes) La longueur du vecteur (i.e. de sa projection sur chacun des axes/termes) est proportionnelle au poids des termes. La pertinence du document correspond au degré de similarité entre le vecteur de la requête et celui du document On ordonne les documents du plus similaire à la requête au moins similaire 8 Modèle vectoriel Quelle mesure de similarité? t 3 Distance euclidienne? Produit scalaire? Requête Q : t t 2 t 3 Document D : t t D Q t 2 D Q t 2 D Q Poids w D,t = 0.45 Poids w D,t3 = 0.80 t t D 3 D 2 D 4 t D 3 D 2 sim, D 4 = =,, t Une mauvaise idée Pourquoi? 9 20
6 Quelle mesure de similarité? La solution : travailler avec l angle entre les vecteurs t 2 D Q D 3 D 2 D 4 Cosinus sim, = =,, ², ², Autres mesures : Dice Jaccard Quelle mesure de similarité? Q, D = Q, D = + t (Le produit scalaire avec normalisation de la longueur des vecteurs) Quelle est la contribution d un terme isolé? Overlap Q, D =,, 2 22 Modèle vectoriel résumé Modèle vectoriel : avantages et inconvénients Avantages : Le langage de requête est plus simple (liste de mot-clés) Les performances sont meilleures grâce à la pondération des termes Le renvoi de documents à pertinence partielle est possible La fonction d'appariement permet de trier les documents Inconvénients : Le modèle considère que tous les termes sont indépendants (inconvénient théorique) Le langage de requête est moins expressif L'utilisateur voit moins pourquoi un document lui est renvoyé À retenir pour le 23 projet! Le modèle vectoriel est le plus populaire en RI 24
7 Modèle probabiliste (/4) Autres modèles Estimation de la probabilité de pertinence d'un document par rapport à une requête Probability Ranking Principle (Robertson 77) R : D est pertinent pour Q R : D n'est pas pertinent pour Q Le but : estimer variables indépendantes, deux ensembles de documents séparés P(R/D) : probabilité que le document D soit contienne de l'information pertinente pour Q P( R/D) si D D > ou si log D D > 0 alors D est pertinent 26 Rappel du théorème de Bayes : Modèle probabiliste Modèle probabiliste En utilisant l'hypothèse d'indépendance des termes : P( A/ B) P( B / A) P( A) P( B) P( D / R) n i P( t D / R) i On ne sait pas calculer P(R/D), mais on peut calculer P(D /R) Probabilité d'obtenir D en connaissant les pertinents Pour estimer les probabilités sur les termes, on peut utiliser des requêtes déjà résolues (apprentissage) puis des pondérations P( R / D) P( D / R) P( R) P( D) Probabilité d'obtenir un document pertinent en piochant au hasard Probabilité de piocher D au hasard Exemple (système Okapi) : le tf.idf la longueur du document la longueur moyenne des documents 27 28
8 Modèle probabiliste : conclusion Deux modèles phares : 2-poisson Okapi Autres modèles de type probabiliste : Réseaux bayésiens Modèle de langage Conclusion : Problème des probabilités initiales Termes indépendants Résultats comparables à ceux du modèle vectoriel Modèle booléen étendu Idée : permettre l'utilisation des opérateurs logiques tout en proposant une pertinence graduée Combinaison des modèles booléen et vectoriel Utilisation de la pondération des termes dans un document (tf.idf) Comme dans le modèle vectoriel, positionnement des documents dans un espace euclidien dont les axes sont les termes de la requête Calcul de la distance entre les coordonnées du document et : les coordonnées idéales (requête ET) les coordonnées nulles (requête OU) Modèle booléen étendu : exemple (/2) Modèle booléen étendu : exemple (2/2) t OR t 2 t AND t 2 Requête Q : t AND/OR t 2 Document D :... t... t 2... t 2 (,) t 2 (,) t 2 (,) poids w D,t = 0.75 poids w D,t2 = 0.65 y y 2 0,65 0,5 D2 D y y 2 0,65 0,5 D2 D y y 2 0,65 0,5 D2 D Document D2 :... t... t 2... poids w D2,t = 0.25 poids w D2,t2 = 0.50 (0,0) 0,25 0,75 x 2 x t (0,0) 0,25 D,Q OR x 2 x 0,75 = + 2 t (0,0) D,Q AND x 2 x 0,25 0,75 = + 2 t 3 32
9 Modèle booléen étendu : formule finale D,Q OR =.. D,Q AND = avec : c les coordonnées des mots m le nombre de termes de la requête p.. p = modèle booléen classique p = 2 exemple précédent Autres modèles algébriques Modèle vectoriel généralisé Représente les dépendances entre termes Théoriquement intéressant, mais efficacité non démontrée Latent Semantic Indexing Propose d'étudier les "concepts" plutôt que les termes, car ce sont eux qui relaient les idées d'un texte. Lie les documents entre eux et avec la requête Permet de renvoyer des documents ne contenant aucun mot de la requête Moins de dimensions Réseaux de neurones Pour aller plus loin... Quelques outils lucy/zettair cheshire dataparksearch engine lemur lucene (et solr) terrier wumpus xapian (Dominik Kuropka 04) liste et liens sur
10 Relevance feedback (/2) Relevance feedback "Réinjection de la pertinence" Hypothèse : la requête initiale de l'utilisateur n'est pas la requête idéale pour obtenir les documents qu'il cherche But : déplacer le vecteur de la requête pour la rapprocher des documents pertinents documents non pertinents documents pertinents Q Q' 38 Relevance feedback (2/2) Relevance feedback : formule de Rocchio "Manuel explicite" : L'utilisateur visualise les n premiers résultats Il estime la pertinence de chacun (0 ou ) Nouvelle requête obtenue à partir des documents jugés pertinents et non pertinents =α+β+γ moyenne des vecteurs des documents non pertinents valeur négative (ex : -0,25) Automatique (blind relevance feedback) : Les n premiers résultats du premier run sont supposés pertinents Même processus que pour le relevance feedback manuel (sans les documents non pertinents) moyenne des vecteurs des documents pertinents valeur positive (ex : 0.5) vecteur requête initial valeur positive supérieure aux autres (ex : ) nouveau vecteur requête 39 40
11 Formule de Rocchio : exemple =α+β+γ = 5,0,3,0, = 2,,2,0,0 =D Divers =,0,0,0,2 =D =+ cosinus D D2 = 5.75,0.5,4,0,0.5 Q 0,90 0,53 Q2 0,95 0, Recherche multimédia Texte et/ou image et/ou audio et/ou vidéo... Des collections très volumineuses : ex : collection Wikipédia pour INEX 4.6 Go en texte seul, 60 Go avec les images Documents structurés (MPEG-7...) Utilisation : des métadonnées du texte "environnant" les images (légende, point de référence...) des caractéristiques propres des documents autres que le texte : Analyse d'image Speech-to-text... Quels résultats présenter? Il est inutile et coûteux de présenter trop de résultats Où s'arrêter? Un seuil : Fixe Difficile à trouver Risque de ne rien présenter Fonction du meilleur score Quelle signification? Comportement variable Augmentation brutale de la pente La méthode du «coude» cosinus rang 43 44
12 Expansion de la requête Ajouter des mots pertinents à la requête initiale et les pondérer efficacement Les thesaurus «manuels» Expansion de la requête Méthodes pour palier les problèmes liés au langage naturel «bateau» ne ramène pas le mot «navire» «thermodynamique» ne ramène pas «chaleur» «félin» ne ramène pas «chat» Le relevance feedback sert aussi à ça (en partie) Pourquoi? Les thesaurus automatiques (voir page suivante) L analyse des logs de requêtes Génération automatique de thesaurus Fondée sur la similarité entre deux mots Co-occurrence de deux mots : deux mots qui apparaissent fréquemment ensemble possèdent une relation sémantique entre eux Ex: «location» et «appartement» Conduit à des relations sémantiques non spécifiées Co-occurrence des contextes : deux mots sont similaires s ils cooccurrent avec des mots similaires Ex: «bateau» et «navire», «chat» et «félin», mais aussi «chat» et «chien», «PS» et «UMP», etc. Conduit plutôt à des relations lexicales de synonymie ou hyperonymie, mais peut également être plus large Possibilité d utiliser les relations syntaxiques également Génération automatique de thesaurus chat animal de compagnie, siamois, client IRC, persan, chien, télévision TV, séries, programme, radio, images, Expansion de requêtes à base de thesaurus : Ajouter les mots jugés similaires à la requête Éventuellement, donner des pondérations en fonction du niveau de similarité Quand s arrête-t-on d étendre la requête? Quels sont les effets de ces expansions de requêtes sur la précision et le rappel? 47 48
13 Recherche d'information Évaluation Collections dynamiques vs. statiques Indexation (modèle de document) Modèle de recherche Évaluation Requête 50 Qu est-ce qu un bon moteur de recherche? Il est rapide! Une analyse rapide de la requête Une recherche rapide dans l index Un tri rapide des résultats Il est complet et à jour! Tous les (ou de nombreux) documents de la collection sont traités Les nouveaux documents sont incorporés rapidement aux résultats Une construction rapide de l index (sur le Web) Une découverte permanente, efficace et rapide des nouveaux documents Qu est-ce qu un bon moteur de recherche? Son langage de requêtes est simple et expressif Ces notions dépendent des types d utilisateurs Un modèle de recherche et d indexation approprié Son interface est sympa De nombreuses recherches dans ce domaine Il est gratuit ou pas cher Les moteurs de recherche (sur le Web mais pas seulement) sont un enjeu économique très important (et il faut trouver des recettes) 5 52
14 Qu est-ce qu un bon moteur de recherche? Mais surtout il est pertinent! Ses résultats doivent satisfaire le besoin d information de l utilisateur Mais ce point est plus difficile à mesurer Il n est pas indépendant des autres points (la satisfaction de l utilisateur dépend de l ensemble des critères) Ce point dépend des utilisateurs Les humains sont subjectifs Ils ont leurs propres connaissances Ils ont des besoins différents qui n apparaissent pas toujours dans leur expression de ces besoins Comment mesurer la pertinence? Un moteur sur le Web L utilisateur clique sur certains liens et pas sur d autres L utilisateur retourne sur le moteur L utilisateur effectue une certaine tâche Un site de e-commerce L utilisateur achète (mais alors de qui mesure-t-on la satisfaction?) Il achète vite Une forte proportion de visiteurs achètent Un site d entreprise L utilisateur gagne-t-il en productivité? L accès est-il sécurisé? Etc Qu est-ce qu une bonne évaluation? Évaluer un système sert à : Savoir s il remplit la tâche assignée Savoir s il est meilleur que la concurrence Savoir où on peut l améliorer Il faut donc une évaluation : Reproductible Pour évaluer plusieurs systèmes de la même façon Pour estimer les progrès accomplis Interprétable Pour identifier les zones de progrès possible Rapide Pour pouvoir évaluer chaque modification du système indépendamment Objective Comment rendre la pertinence objective? Rappel : Le besoin de l utilisateur est d abord transformé en requête, ce qui comporte déjà une perte d information. On mesure la pertinence des résultats par rapport au besoin d information initial, pas par rapport à la requête! (ex: «java») Des résultats peuvent être «très pertinents», «pas du tout pertinent», mais aussi «un peu pertinents», «moui» ou «je le savais déjà» Pour rendre la pertinence objective : On en simplifie la définition Les documents sont traités indépendamment les uns des autres La pertinence est transformée en notion binaire On utilise des «collections de test» 55 56
15 Collections de test Évaluation : précision et rappel La collection de test rend les expériences reproductibles Documents renvoyés ET pertinents On met au point un protocole On juge manuellement un nombre significatif d exemples «Gold standard» Une partie peut également servir d ensemble de «développement» et/ou d «apprentissage» On calcule un accord inter-annotateurs Pour valider le caractère objectif On compare les résultats du système aux résultats attendus On définit des mesures imparfaites mais précises Précision Rappel silence PS S PS P Documents pertinents P Silence - Rappel Bruit - Précision Retour du système S bruit Précision et rappel Courbe rappel/précision Pourquoi pas juste la précision? La précision évalue la capacité d un système à renvoyer SURTOUT des documents pertinents Renvoyer un seul document pertinent suffit à obtenir 00 % de précision Ce n est pas compatible avec la satisfaction de l utilisateur! Le rappel augmente bien sûr avec le nombre de réponses La précision diminue (en général) On utilise la courbe rappel/précision pour caractériser les systèmes de recherche d'information Pourquoi pas juste le rappel? Le rappel évalue la capacité d un système à renvoyer TOUS les documents pertinents Renvoyer tous les documents de la collection permet d obtenir 00 % de rappel Ce n est pas compatible avec la satisfaction de l utilisateur! 0,8 0,6 0,4 0,2 0,,2,3,4,5,6,7,8,
16 Évaluation : F-mesure Pour obtenir une valeur unique entre 0 et, on utilise la F-mesure (moyenne harmonique) F 2 ( ) P R avec ( ) P R 2 p R 2 Pour donner autant d'importance à la précision qu'au rappel, on choisit = F 2P. R P R < favorise la précision, > favorise le rappel Évaluation : autres mesures MAP (Mean Average Precision) : aire sous la courbe R/P P@5, P@0 : précision après 0 documents retrouvés favorise la haute/très haute précision P@00,... Taux d'erreur = (faux positifs + faux négatifs) / pertinents et de nombreuses autres... MAP 6 62 Le pooling (/3) Le pooling (2/3) Problème du rappel dans les collections importantes Le rappel impose en théorie de connaître tous les documents pertinents Impossible en pratique Le pooling : Une fusion "intelligente" des résultats Les n premiers documents produits par les systèmes sont fusionnés (n = 00 ou plus) Seuls ces documents sont jugés par les experts humains Les documents non jugés sont considérés comme non pertinents Le calcul du rappel fait comme si tout avait été jugé L accord inter-annotateurs est d'environ 80% Au mieux 50 à 70 % des documents pertinents seraient retrouvés par cette méthode (Zobel 98) Le biais qui en résulte : Le rappel est surévalué La précision est sous-évaluée Les systèmes "originaux" qui s'entraînent sur ces collections peuvent être pénalisés Mais : Le biais est faible s'il y a suffisamment de requêtes et de systèmes L'évaluation "relative" (comparaison entre systèmes) reste valable On n'a pas le choix 63 64
17 Le pooling (3/3) Campagnes d'évaluation TREC (Text REtrieval Conference) : Documents pertinents Documents pertinents pooling Précision perdue Retour du Système Événement phare du domaine, tous les ans depuis 992 Sponsorisée par la DARPA De nombreux axes de recherche : Multimédia : image, vidéo, Web Types de recherche spécifiques : questions-réponses, interactif, filtrage, "cross-language", "home page«domaines spécifiques : génomique, légal Modes d'expression spécifiques : blogs, spams... CLEF (Cross-Language Evaluation Forum), spécialisée dans les langages européens NTCIR, spécialisée dans les langages asiatiques Influence de la normalisation Quelle est l influence des techniques de normalisation sur la précision et le rappel? Retour sur la normalisation Utilisation des mots vides Lemmatisation Racinisation Quelle peut être l influence d autres techniques sur la précision et le rappel? Ajout de synonymes? Utilisation de la syntaxe des phrases? Requête 68
TRAITEMENT AUTOMATIQUE DES LANGUES. Licence d'informatique 2ème Année Semestre 1. Département d'informatique Université de Caen Basse-Normandie
TRAITEMENT AUTOMATIQUE DES LANGUES Licence d'informatique 2ème Année Semestre 1 Département d'informatique Université de Caen Basse-Normandie https://dias.users.greyc.fr/?op=paginas/tal.html Plan Définition
Plus en détailBases de données documentaires et distribuées Cours NFE04
Bases de données documentaires et distribuées Cours NFE04 Introduction a la recherche d information Auteurs : Raphaël Fournier-S niehotta, Philippe Rigaux, Nicolas Travers prénom.nom@cnam.fr Département
Plus en détailRecherche d Information(RI): Fondements et illustration avec Apache Lucene. par Majirus Fansi @majirus
1 Recherche d Information(RI): Fondements et illustration avec Apache Lucene par Majirus Fansi @majirus Résumé Fondements de la Recherche d Information (RI) Noyau de toute application de RI Éléments à
Plus en détailApprentissage 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 détailMémoire DEA Système d'information Management and Technology of Information Systems
Mémoire DEA Système d'information Management and Technology of Information Systems Titre : Expérience sur l'utilisation de conjonctions de termes et la prise en compte des dépendances entre termes d'indexation
Plus en détailIntelligence 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 détailDans cette définition, il y a trois notions clés: documents, requête, pertinence.
Introduction à la RI 1. Définition Un système de recherche d'information (RI) est un système qui permet de retrouver les documents pertinents à une requête d'utilisateur, à partir d'une base de documents
Plus en détailACCÈS SÉMANTIQUE AUX BASES DE DONNÉES DOCUMENTAIRES
ACCÈS SÉMANTIQUE AUX BASES DE DONNÉES DOCUMENTAIRES Techniques symboliques de traitement automatique du langage pour l indexation thématique et l extraction d information temporelle Thèse Défense publique
Plus en détailI.1 Introduction. I.2 La recherche d information. I.2.1 Définitions
I.1 Introduction La Recherche d Information (RI) peut être définie comme une activité dont la finalité est de localiser et de délivrer un ensemble de documents à un utilisateur en fonction de son besoin
Plus en détailRecherche bibliographique
Séminaire «Maîtrise de l information scientifique» Recherche bibliographique Dernière mise à jour : 07/01/2015 - Auteur : Frédérique Flamerie Recherche bibliographique : méthode & outils La recherche bibliographique
Plus en détailConception d'applications de base de données ios plus rapides Guide Pratique FileMaker
Conception d'applications de base de données ios plus rapides Guide Pratique FileMaker Table des Matières Introduction... 3 Conception de modèles... 3 Conception de bases de données... 5 Conception pour
Plus en détailLA RECHERCHE DOCUMENTAIRE
LA RECHERCHE DOCUMENTAIRE Introduction I. Les étapes de la recherche d'information II. Méthodologie spécifique 2.1 Bibliothèque 2.2 Internet Conclusion INTRODUCTION Lorsque on débute une réflexion sur
Plus en détailCOMMENT OPTIMISER MA VISIBILITÉ SUR LE WEB? AMÉLIORER MON RÉFÉRENCEMENT
COMMENT OPTIMISER MA VISIBILITÉ SUR LE WEB? AMÉLIORER MON RÉFÉRENCEMENT TOUR DE TABLE FAISONS CONNAISSANCE Qui êtes-vous? Quelles sont vos attentes? Aperçu de l'atelier Le référencement, c'est quoi? Comment
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 détailRecherche d information textuelle
Recherche d information textuelle Recherche Web B. Piwowarski CNRS / LIP6 Université Paris 6 benjamin@bpiwowar.net http://www.bpiwowar.net Master IP - 2014-15 Cours et travaux pratiques basés sur les documents
Plus en détailEcole Préparatoire SNV Université d Oran Semestre 02 2014/2015 Matière : Travaux d Initiative Personnelle Encadrés (TIPE) Prof. M. Z.
Ecole Préparatoire SNV Université d Oran Semestre 02 2014/2015 Matière : Travaux d Initiative Personnelle Encadrés (TIPE) Prof. M. Z. TALEB Avec quel outil? Comment? Trouvez-vous facilement l information?
Plus en détailRecherche d information en langue arabe : influence des paramètres linguistiques et de pondération de LSA
RÉCITAL 2005, Dourdan, 6-10 juin 2005 Recherche d information en langue arabe : influence des paramètres linguistiques et de pondération de LSA Siham Boulaknadel (1,2), Fadoua Ataa-Allah (2) (1) LINA FRE
Plus en détailBrève introduction à la recherche d!information sur le Web à base d!agents logiciels
Plan Brève introduction à la recherche d!information sur le Web à base d!agents logiciels Bernard ESPINASSE Université d!aix-marseille 2010 Rappels sur les agents logiciels Problématique de la RI sur le
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailAdWords Guide de survie
AdWords Guide de survie Avril 2011 Guide de survie AdWords. Ce guide liste dix des astuces les plus utiles pour gérer une campagne AdWords efficacement, et sans gaspiller d argent. Plan de référencement
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 détail1. LA GESTION DES BASES DE DONNEES RELATIONNELLES
Dossier G11 - Interroger une base de données La base de données Facturation contient tout un ensemble d'informations concernant la facturation de la SAFPB (société anonyme de fabrication de produits de
Plus en détailIntroduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes.
Introduction L'objectif de mon TIPE est la reconnaissance de sons ou de notes de musique à l'aide d'un réseau de neurones. Ce réseau doit être capable d'apprendre à distinguer les exemples présentés puis
Plus en détailConcevoir sa stratégie de recherche d information
Concevoir sa stratégie de recherche d information Réalisé : mars 2007 Dernière mise à jour : mars 2011 Bibliothèque HEC Paris Contact : biblio@hec.fr 01 39 67 94 78 Cette création est mise à disposition
Plus en détailRapidolect Les Productions de la Columelle (1998-2006) Page 1
Page 1 Page 2 Logiciel Rapidolect RATIONNEL DU JEU Un bon lecteur possède dans sa tête des images précises des mots écrits qu'il connaît. Lorsqu'il parcourt un texte, ses yeux se déplacent par saccades
Plus en détailDIALOGUE AVEC LES CONSTRUCTEURS DE VEHICULES
CONFÉRENCE EUROPÉENNE DES MINISTRES DES TRANSPORTS EUROPEAN CONFERENCE OF MINISTERS OF TRANSPORT 2 rue André Pascal, F-75775 PARIS CEDEX 16 TEL. 33 (0)1 45 24 97 10 / FAX: 33 (0)1 45 24 97 42 e-mail: ecmt.contact@oecd.org
Plus en détailLEXIQUE DES TERMES DOCUMENTAIRES LES PLUS COURANTS
LEXIQUE DES TERMES DOCUMENTAIRES LES PLUS COURANTS Annuaire Ouvrage publié en principe chaque année ou selon une périodicité proche de l'année, qui donne une liste de noms de personnes ou d'organismes
Plus en détailCOMMENT FAIRE? Comment bien se servir de WinHIIP? Expérimenter grâce aux guides imprimés!
COMMENT FAIRE? Comment bien se servir de WinHIIP? Expérimenter grâce aux guides imprimés! Date Version Révision : 7.5.2008 Mais, ni l auteur de ce guide, ni les webmaters ou les administrateurs de Metagames,
Plus en détailGoogle fait alors son travail et vous propose une liste de plusieurs milliers de sites susceptibles de faire votre bonheur de consommateur.
Quelques resultats de méthode : Entre le 20 Juillet et le 20 Octobre 2011 : Sur une liste de seulement 60 mots clés ou séquences clés 1. 7 sont premiers sur Google soit 12 % 2. 16 sont dans les 3 premiers
Plus en détailAide à l Utilisation du site «Mon Monitoring»
Aide à l Utilisation du site «Mon Monitoring» Mise à jour Aout 2013 Identifiant :... Mot de passe :.. Lorsque vous mettez les colliers aux animaux prenez garde à la petite flèche gravée (colorée en noir
Plus en détailLECTURE, RECHERCHE DOCUMENTAIRE ET INDEXATION
LECTURE, RECHERCHE DOCUMENTAIRE ET INDEXATION Séquence Lettres / Documentation / TICE Classe de 6è et club journal Collège Gabrielle Colette Puget sur Argens Académie de Nice Roxane Obadia CONSTAT INITIAL
Plus en détailComment utiliser le catalogue? http://catalogue.frantiq.fr/
GDS3378 http://www.frantiq.fr/ Comment utiliser le catalogue? http://catalogue.frantiq.fr/ Version 1.0 Sophie Barat CCJ Date : 02/07/2014 1. BIENVENUE SUR LE CATALOGUE FRANTIQ... 2 2. COMMENT FAIRE UNE
Plus en détailVLAN Trunking Protocol. F. Nolot 2009 1
VLAN Trunking Protocol F. Nolot 2009 1 VLAN Trunking Protocol Propagation des VLAN F. Nolot 2009 2 Administration des VLAN? Pour ajouter un VLAN sur un réseau L'administrateur doit l'ajouter sur chaque
Plus en détailÉvaluations aléatoires : Comment tirer au sort?
Évaluations aléatoires : Comment tirer au sort? William Parienté Université Catholique de Louvain J-PAL Europe povertyactionlab.org Plan de la semaine 1. Pourquoi évaluer? 2. Comment mesurer l impact?
Plus en détailTHE GLOBAL EVENT MANAGER
The Big Data Mining Company THE GLOBAL EVENT MANAGER Dans les systèmes d informations d entreprises d aujourd hui, l information est de plus en plus dipsersée, diverse, volumineuse, complexe et très indigeste
Plus en détailCAPTURE DES PROFESSIONNELS
CAPTURE DES PROFESSIONNELS 2 Téléchargement 3 Installation 8 Prise en main rapide 10 Lancement Recherche 14 Gestion des fichiers 23 Compare et Sépare 24 Fichiers annexes 2/ Le menu Utilitaires 32 Internet
Plus en détailSystèmes de transmission
Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un
Plus en détailGuide d'initiation aux. certificats SSL. Faire le bon choix parmi les options qui s'offrent à vous en matière de sécurité en ligne. Document technique
Document technique : Guide d'initiation aux certificats ssl Document technique Guide d'initiation aux certificats SSL Faire le bon choix parmi les options qui s'offrent à vous en matière de sécurité en
Plus en détailQu est ce que le référencement web?
Qu est ce que le référencement web? 1. Introduction La première préoccupation des e-commerçants et des possesseurs de sites ou blog est d attirer les internautes sur leurs pages web. Pour arriver à ce
Plus en détailSage Déclarations Sociales
Sage Déclarations Sociales Recueil d informations techniques Décembre 2011 2011 Sage R&D Paie PME 1 Sommaire Avertissements 3 Introduction 4 Particularités de Microsoft Windows et Microsoft SQL Server...
Plus en détailReprésentation des Nombres
Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...
Plus en détailRÉFÉRENCEMENT NATUREL GOOGLE. Kelreferencement, marque déposée de Kelsociété
RÉFÉRENCEMENT NATUREL GOOGLE 1 2 3 4 5 6 RÉFÉRENCEMENT NATUREL page 3 KELREFERENCEMENT, UNE AGENCE RECONNUE page 4 KELREFERENCEMENT, VOTRE RÉFÉRENCEMENT DE A À Z page 5 PACK "EXPRESSIONS" page 6 PACK "PERFORMANCE"
Plus en détailLes 3 erreurs fréquentes qui font qu'un site e-commerce ne marche pas. Livret offert par Kiro créateur de la formation Astuce E-commerce
Les 3 erreurs fréquentes qui font qu'un site e-commerce ne marche pas Livret offert par Kiro créateur de la formation Astuce E-commerce 1 Ce livret vous est offert gratuitement. Vous pouvez l'imprimer
Plus en détailLES TYPES DE DONNÉES DU LANGAGE PASCAL
LES TYPES DE DONNÉES DU LANGAGE PASCAL 75 LES TYPES DE DONNÉES DU LANGAGE PASCAL CHAPITRE 4 OBJECTIFS PRÉSENTER LES NOTIONS D ÉTIQUETTE, DE CONS- TANTE ET DE IABLE DANS LE CONTEXTE DU LAN- GAGE PASCAL.
Plus en détailUtiliser Access ou Excel pour gérer vos données
Page 1 of 5 Microsoft Office Access Utiliser Access ou Excel pour gérer vos données S'applique à : Microsoft Office Access 2007 Masquer tout Les programmes de feuilles de calcul automatisées, tels que
Plus en détailPoste 4 le montage. Le montage
1/11 Le montage Conseils et astuces pour le montage de clips vidéo Situations de montage modèles Exercice pratique Information aux enseignants: logiciel de traitement vidéo 2/11 Un montage parfait! Description
Plus en détailLe Data Mining au service du Scoring ou notation statistique des emprunteurs!
France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative
Plus en détailLe modèle de données
Le modèle de données Introduction : Une fois que l étude des besoins est complétée, deux points importants sont à retenir : Les données du système étudié Les traitements effectués par le système documentaire.
Plus en détailInitiation à la recherche documentaire
Initiation à la recherche documentaire 1 Objectifs Cette séance est destinée à reprendre les principes de la démarche documentaire pour construire un parcours pertinent en terme de méthodologie et de résultats
Plus en détail# let rec concat l1 l2 = match l1 with [] -> l2 x::l 1 -> x::(concat l 1 l2);; val concat : a list -> a list -> a list = <fun>
94 Programmation en OCaml 5.4.8. Concaténation de deux listes Définissons maintenant la fonction concat qui met bout à bout deux listes. Ainsi, si l1 et l2 sont deux listes quelconques, concat l1 l2 constitue
Plus en détailTutorial Ophcrack. I) Ophcrack en API. (ou comment utiliser Ophcrack pour recouvrir un mot de passe sous Windows XP et Windows Vista)
Tutorial Ophcrack (ou comment utiliser Ophcrack pour recouvrir un mot de passe sous Windows XP et Windows Vista) Ophcrack est un utilitaire gratuit permettant de cracker les mots de passe des sessions
Plus en détailRecherche dans un tableau
Chapitre 3 Recherche dans un tableau 3.1 Introduction 3.1.1 Tranche On appelle tranche de tableau, la donnée d'un tableau t et de deux indices a et b. On note cette tranche t.(a..b). Exemple 3.1 : 3 6
Plus en détailPlan du cours : électricité 1
Semestre : S2 Module Physique II 1 Electricité 1 2 Optique géométrique Plan du cours : électricité 1 Partie A : Electrostatique (discipline de l étude des phénomènes liés aux distributions de charges stationnaires)
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailPRODIGE V3. Manuel utilisateurs. Consultation des métadonnées
PRODIGE V3 Manuel utilisateurs Consultation des métadonnées Pour plus d'information sur le dispositif : à remplir par chaque site éventuellement 2 PRODIGE V3 : Consultation des métadonnées SOMMAIRE 1.
Plus en détailTD3 - Facturation avec archivage automatisé
TD3 - Facturation avec archivage automatisé Objectifs Insérer les formules nécessaires aux calculs d une facture. Créer une macro- commande avec l enregistreur de macros et l affecter à un bouton. Utiliser
Plus en détailTransmission d informations sur le réseau électrique
Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en
Plus en détailAtelier Webmarketing. Les outils à votre disposition pour faire parler de vous sur internet. Présentation des outils de promotion d'un site internet
Atelier Webmarketing Les outils à votre disposition pour faire parler de vous sur internet Présentation des outils de promotion d'un site internet Sommaire 1/ Les liens sponsorisés/ Liens commerciaux/
Plus en détailPourquoi l analytique web devrait être importante pour vous
Pourquoi l analytique web devrait être importante pour vous Dans notre série Conseils, nous avons exploré plusieurs aspects de la gestion d'un site web efficace. Garder à l'oeil l'information des visiteurs
Plus en détailComité sectoriel du Registre national. Avis RN n 01/2013 du 11 décembre 2013
1/9 Comité sectoriel du Registre national Avis RN n 01/2013 du 11 décembre 2013 Objet : demande d'avis relatif au projet d'arrêté royal autorisant la Banque Nationale de Belgique et les établissements
Plus en détailGestion collaborative de documents
Gestion collaborative de documents ANT box, le logiciel qui simplifie votre GED Les organisations (entreprises, collectivités, associations...) génèrent chaque jour des millions de documents, e-mails,
Plus en détailEnvironnement numérique : Données EXIF Stockage Archivage Partage Flux de production
Environnement numérique : Données EXIF Stockage Archivage Partage Flux de production données EXIF et IPTC Outre la photo, que trouve t-on dans un fichier photo? Les métadonnées EXIF contiennent des informations
Plus en détailGUIDE PRATIQUE DU REFERENCEMENT NATUREL
GUIDE PRATIQUE DU REFERENCEMENT NATUREL Auteur Walid Gabteni, Consultant SEO édition du 20 Juin 2015 Source officielle du guide pratique du référencement naturel : https://upload.wikimedia.org/wikipedia/commons/f/f3/guide_pratique_du_référencem
Plus en détailOASIS www.oasis-open.org/committees/xacml/docs/docs.shtml Date de publication
Statut du Committee Working Draft document Titre XACML Language Proposal, version 0.8 (XACML : XML Access Control Markup Language) Langage de balisage du contrôle d'accès Mot clé Attestation et sécurité
Plus en détailHubert & Bruno Lundi 12 octobre 2009 SAINT-QUENTIN (02)
Hubert & Bruno Lundi 12 octobre 2009 SAINT-QUENTIN (02) Ne rien livrer au hasard, c est économiser du travail Pont Sainte Maxence(O C est quoi USB? Comment ça marche? Les standards? La technique en détail
Plus en détailChapitre 1: Facteurs d'échelle
Chapitre 1: Facteurs d'échelle Des considérations générales sur la taille des objets ou des êtres vivants et leur influence sur différents paramètres, permettent d'établir simplement quelques lois ou tendances,
Plus en détailINTRODUCTION GENERALE...1 LA CONNEXION ODBC :...1. CONNEXION AU TRAVERS D EXCEL(tm)...6. LOGICIEL QUANTUM GIS (Qgis)... 10
PROGRAMME RÉGIONAL DE RENFORCEMENT DE LA COLLECTE DES DONNÉES STATISTIQUES DES PECHES DANS LES ÉTATS MEMBRES ET DE CREATION D UNE BASE DE DONNÉES REGIONALE Manuel de formation TABLE DES MATIERES INTRODUCTION
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailRapport candidat. John Sample. 6 juillet 2012 CONFIDENTIEL
6 juillet 2012 CONFIDENTIEL Introduction 6 juillet 2012 Introduction Toutes les informations contenues dans ce rapport sont confidentielles et uniquement destinées à la personne ayant rempli le questionnaire.
Plus en détailEtudier l influence de différents paramètres sur un phénomène physique Communiquer et argumenter en utilisant un vocabulaire scientifique adapté
Compétences travaillées : Mettre en œuvre un protocole expérimental Etudier l influence de différents paramètres sur un phénomène physique Communiquer et argumenter en utilisant un vocabulaire scientifique
Plus en détailLogiciel Libre Cours 3 Fondements: Génie Logiciel
Logiciel Libre Cours 3 Fondements: Génie Logiciel Stefano Zacchiroli zack@pps.univ-paris-diderot.fr Laboratoire PPS, Université Paris Diderot 2013 2014 URL http://upsilon.cc/zack/teaching/1314/freesoftware/
Plus en détailSIECLE Inscription en ligne
Services en ligne Inscription pour l entrée au lycée 13/05/2015 Diffusion nationale Guide de l utilisateur SIECLE Inscription en ligne Guide à l usage des établissements Version 15.2 Mai 2015 Services
Plus en détailÉPREUVE COMMUNE DE TIPE 2008 - Partie D
ÉPREUVE COMMUNE DE TIPE 2008 - Partie D TITRE : Les Fonctions de Hachage Temps de préparation :.. 2 h 15 minutes Temps de présentation devant le jury :.10 minutes Entretien avec le jury :..10 minutes GUIDE
Plus en détailCours d introduction à l informatique. Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions
Cours d introduction à l informatique Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions Qu est-ce qu un Une recette de cuisine algorithme? Protocole expérimental
Plus en détaildemander pourquoi mon site n'apparaît pas sur google ou pourquoi mon site n'est pas référencé par les moteurs de recherche?
50 questions essentielles à vous poser avant la mise en ligne de votre site pour ne plus vous demander pourquoi mon site n'apparaît pas sur google ou pourquoi mon site n'est pas référencé par les moteurs
Plus en détailB2i. LE B2i Brevet Informatique et Internet. Niveau : tous. 1 S'approprier un environnement informatique de travail. b2ico1.odt.
1 S'approprier un environnement informatique de travail 1.1) Je sais m'identifier sur un réseau ou un site et mettre fin à cette identification. 1.2) Je sais accéder aux logiciels et aux documents disponibles
Plus en détailIntroduction à MATLAB R
Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d
Plus en détailMEDIAplus elearning. version 6.6
MEDIAplus elearning version 6.6 L'interface d administration MEDIAplus Sommaire 1. L'interface d administration MEDIAplus... 5 2. Principes de l administration MEDIAplus... 8 2.1. Organisations et administrateurs...
Plus en détailLa demande Du consommateur. Contrainte budgétaire Préférences Choix optimal
La demande Du consommateur Contrainte budgétaire Préférences Choix optimal Plan du cours Préambule : Rationalité du consommateur I II III IV V La contrainte budgétaire Les préférences Le choix optimal
Plus en détailAdministration du site (Back Office)
Administration du site (Back Office) A quoi sert une interface d'administration? Une interface d'administration est une composante essentielle de l'infrastructure d'un site internet. Il s'agit d'une interface
Plus en détailUtiliser un tableau de données
Utiliser un tableau de données OBJECTIFS : - Définir une Base de Données. - Présentation : tableau de données. - Création d un tableau de données - Gestion d un tableau de données. - Trier et Filtrer des
Plus en détailTP Bases de données réparties
page 1 TP Bases de données réparties requêtes réparties Version corrigée Auteur : Hubert Naacke, révision 5 mars 2003 Mots-clés: bases de données réparties, fragmentation, schéma de placement, lien, jointure
Plus en détail= 1 si n = m& où n et m sont souvent des indices entiers, par exemple, n, m = 0, 1, 2, 3, 4... En fait,! n m
1 épartement de Physique, Université Laval, Québec Pierre Amiot, 1. La fonction delta et certaines de ses utilisations. Clientèle Ce texte est destiné aux physiciens, ingénieurs et autres scientifiques.
Plus en détailQu'est-ce qu'un moteur de recherche. Moteur de recherche sur Internet
Initiation à la navigation sur Internet avec le moteur de recherches Google 1/ 5 Qu'est-ce qu'un moteur de recherche Moteur de recherche sur Internet Un moteur de recherche est un site Internet comme un
Plus en détailTEXT MINING. 10.6.2003 1 von 7
TEXT MINING 10.6.2003 1 von 7 A LA RECHERCHE D'UNE AIGUILLE DANS UNE BOTTE DE FOIN Alors que le Data Mining recherche des modèles cachés dans de grandes quantités de données, le Text Mining se concentre
Plus en détailStages 2014-2015 ISOFT : UNE SOCIETE INNOVANTE. Contact : Mme Lapedra, stage@isoft.fr
Stages 2014-2015 ISOFT : UNE SOCIETE INNOVANTE Contact : Mme Lapedra, stage@isoft.fr ISoft, éditeur de logiciels, est spécialisé dans l informatique décisionnelle et l analyse de données. Son expertise
Plus en détailGuide pratique du référencement de web consultant eu. Commençons par l optimisation de vos pages, ou on page
Guide pratique du référencement de web consultant eu Edition 2012 Commençons par l optimisation de vos pages, ou on page L'optimisation de vos balises, ou metatags, . 1. La balise est celle
Plus en détailChaînes de Markov au lycée
Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat
Plus en détailLe ranking de Augure Influencers La méthodologie AIR en détails
Le ranking de Augure Influencers La méthodologie AIR en détails V1.0 Octobre 2014 Oualid Abderrazek Product Marketing Sommaire 1. Contexte...3 2. L algorithme...3 a. Exposition...4 b. Echo...4 c. Niveau
Plus en détailPROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES
Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.
Plus en détailclaroline classroom online
de la plate-forme libre d'apprentissage en ligne Claroline 1.4 Manuel Révision du manuel: 06/2003 Créé le 07/09/2003 12:02 Page 1 Table des matières 1) INTRODUCTION...3 2) AFFICHER LA PAGE DE DEMARRAGE...3
Plus en détailComparatif CMS. Laurent BAUREN S Bérenger VIDAL Julie NOVI Tautu IENFA
Comparatif CMS Laurent BAUREN S Bérenger VIDAL Julie NOVI Tautu IENFA Sommaire Introduction : Dans le cadre de notre projet de master première année, il nous a été demandé de développer un moteur de recherche
Plus en détailCréer son institut de Beauté Esthétique à domicile
Créer son institut de Beauté Esthétique à domicile Vous souhaitez créer votre institut ou devenir indépendante en réalisant des soins à domicile? Vous ne savez pas quelles démarches entreprendre et quelles
Plus en détailCertificat Informatique et internet Niveau 1 TD D1. Domaine 1 : Travailler dans un environnement numérique évolutif. 1. Généralités : Filière
Certificat Informatique et internet Niveau 1 Filière TD D1 Domaine 1 : Travailler dans un environnement numérique évolutif Nom N étudiant 1. Généralités : 1.1. Un ordinateur utilise des logiciels (aussi
Plus en détailComment faire plus d'argent cet été!
Comment faire plus d'argent cet été! Je vais prendre ça vraiment cool cet été. Le 23 juin, je me retire à la campagne. Je vais prendre de longues vacances. Des vacances au cours desquelles je ferai du
Plus en détailMagister INFORMATIQUE. Présenté par. Soutenu en Février 2011 devant la commission du jury composée de :
REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE ABOUBEKR BELKAID-TLEMCEN FACULTE DES SCIENCES DEPARTEMENT D INFORMATIQUE
Plus en détailDETERMINER LA LARGEUR DE PAGE D'UN SITE et LES RESOLUTIONS d'ecran
DETERMINER LA LARGEUR DE PAGE D'UN SITE et LES RESOLUTIONS d'ecran dossier par Clochar SOMMAIRE 1. LES RESOLUTIONS d'ecran... 1 2. RESOLUTION de l écran et choix de la TAILLE DE LA PAGE... 2 3. AGRANDISSEMENT
Plus en détailKaizen Marketing Group Web Agency. Kaizen Marketing. - Stéphanie Héline-
Kaizen Marketing - Stéphanie Héline- 1 Référencement Web Paris 26 Juin 2013 Faire de la pub c est bien 12 Répondre à une requête c est mieux! 3 Comment recherchez-vous? Source : Google - 2012 Importance
Plus en détailRéussir son affiliation
David Sitbon Étienne Naël Réussir son affiliation Comment gagner de l argent avec Internet, 2012 ISBN : 978-2-212-55350-5 1 Comprendre que tout est marketing de rentrer dans le détail, il nous a semblé
Plus en détail