Département d'informatique. Apprentissage Automatique IFT-65764A. S y l l a b u s. Guy Mineau , PLT-3908C

Dimension: px
Commencer à balayer dès la page:

Download "Département d'informatique. Apprentissage Automatique IFT-65764A. S y l l a b u s. Guy Mineau mineau@ift.ulaval.ca, 656-5189, PLT-3908C"

Transcription

1 Département d'informatique Apprentissage Automatique IFT-65764A S y l l a b u s Guy Mineau , PLT-3908C Automne 2001

2 Page 2 A. Cours Titre : Apprentissage automatique Sigle (Université Laval) : IFT Nombre de crédits : 3 Répartition: : Session : Automne 2001 Salle : PLT-2546 Horaire : Jeudi 15h30-18h20 Premier cours : Jeudi le 6 septembre 2001 B. Professeur Nom et prénom : Mineau, Guy Bureau : PLT-3908C Disponibilités : Me contacter par courrier électronique ou téléphone pour prendre rdv. C. Description et objectifs du cours Description : Ce cours a pour but d initier l étudiant et l étudiante aux différents aspects de l apprentissage automatique, i.e., l apprentissage effectué de façon autonome ou semi-autonome par un programme informatique qui vise à améliorer ses propres performances. Divers sujets y seront donc traités : apprentissage chez l humain, paradigmes de l apprentissage, apprentissage de concepts, classification conceptuelle, réseaux de neurones, algorithmes génétiques, arbres de décision, génération de règles, validation d hypothèses, data mining, etc. Prérequis : Cours de base en intelligence artificielle Objectifs : Au terme du cours, l étudiant et l'étudiante connaîtront les différentes approches reliées à l'informatisation de capacités d'apprentissage, posséderont les connaissances de base sur l'état de l'art en apprentissage automatique, et pourront donc discuter avec une profondeur relative de cette problématique de façon intelligible et articulée. Dans une perspective plus générale, le cours a aussi pour but de développer leur capacité d'analyse ainsi que leur jugement scientifique.

3 Page 3 Importance dans le programme : Ce cours est très important dans un programme d'études graduées en intelligence artificielle. En effet, les capacités d'association et d'adaptation sont souvent désignées comme étant une mesure d'évaluation de l'intelligence. Ces capacités sont à la base de tout processus d'apprentissage. Un système basé sur de la connaissance ne pourra croître que s'il peut apprendre. On pourrait même supposer qu'il ne pourra survivre que s'il peut apprendre. Pour un étudiant ou une étudiante qui s'intéresse à l'intelligence artificielle, l'informatisation de capacités d'apprentissage revêt donc un intérêt indéniable. D. Évaluation des apprentissages Modes d évaluation et pondération : Examen : 45% Tests sur articles scientifiques (20%, 5%) : 25% TP: Travail long sur un sujet de recherche et présentation orale 30% 100% Barème avec seuil: si (examen < 50%) alors cote = E; sinon note-finale = Examen + Tests + TP; et pour la cote, voir tableau ci-bas; Note de passage : cote C (et plus). Les cotes seront attribuées grosso modo selon la distribution suivante. Toutefois, le professeur se réserve le droit de les ajuster indépendamment de cette répartition afin d'effectuer une évaluation comparative des étudiants et étudiantes du cours. Attribution des cotes : A + [85-100] A [81-85[ A - [78-81[ Réussite B + [75-78[ B [71-75[ B - [68-71[ Réussite C + [63-68[ C [50-63[ Réussite E [0-50[ Échec

4 Page 4 Remarques: La qualité du français écrit sera évaluée: de 10% à 25% de la note du test ou de l'examen, ou du document de présentation orale pourra être retranché. Cette évaluation est subjective et est laissée à la discrétion du professeur. Les notes sont calculées sans décimale après le point. L arrondi à l'entier suivant se fait si le premier chiffre de la partie décimale est plus grand ou égal à 5. Tout travail non remis dans les délais prévus se verra attribuer la note 0, sauf si justification appropriée. Aucun retard ne sera accepté sans raison jugée valable par le professeur! Il s agit donc de date et d heure de remise très strictes ; aucune dérogation possible! Toute absence justifiée à l examen entraînera l'obligation de s'inscrire à un examen de reprise. Celui-ci pourra être écrit ou oral. Le tout est laissé à la discrétion du professeur, selon le nombre et la disponibilité des étudiants en cause, et selon la disponibilité du professeur. Toute justification, afin d'être considérée valable, doit être parvenue au professeur le plus tôt possible, préférablement avant la date de l'examen, du test, ou de remise du travail en question. Toutefois, dans des cas extrêmes et marginaux, un délai maximum de 3 jours ouvrables après une date de tombée sera accepté. Révision de note : à demander au professeur dans un délai de 10 jours ouvrables après la remise du travail ou de l'examen corrigé. Révision de cote : selon le règlements des études. Les travaux devront éventuellement s effectuer en équipe. Les équipes seront constituées en classe dès le début de la session. Le nombre de personnes par équipe variera en fonction du nombre d étudiants et d étudiantes inscrits au cours. On suppose que tout travail remis par une équipe constituera une contribution originale et distincte de travaux remis par d'autres équipes. Le plagiat est strictement défendu. Tout examen (et test) ou travail plagié obtiendra la note 0. Les étudiants ou étudiantes ayant collaboré au plagiat obtiendront la note 0 pour ce même travail ou examen. De plus, ils ou elles seront soumis aux sanctions normalement prévues à cet effet par les règlements de l Université, ce qui peut aller jusqu à un échec automatique pour ce cours (cote E), selon la gravité de la faute. Aux examens, on permet toute documentation que ce soit, sauf avis contraire. Toutefois, les calculatrices sont interdites.

5 Page 5 E. Contenu Jeudi 6 septembre : Semaine 1 Présentation du cours Introduction : problématique et motivation Jeudi 13 septembre : Semaine 2 Introduction (suite) Concepts de base Jeudi 20 septembre : Semaine 3 Espaces de généralisations (incluant l espace des versions) Jeudi 27 septembre : Semaine 4 Attribution des sujets pour le travail long (TP) Espaces de généralisations (suite) À lire : article #1 Arbres de décision Jeudi 4 octobre : Semaine 5 Arbres de décision (suite) À lire : article #2 Jeudi 11 octobre : Semaine 6 Classification conceptuelle Jeudi 18 octobre : Semaine 7 Classification conceptuelle (suite) À lire : article #3 Classification d'objets complexes : théorie et complexité Jeudi 25 octobre : Semaine 8 Analyse formelle de concepts Treillis et hiérarchies de concepts : applications et exemples comparatifs Jeudi 1 novembre : Semaine 9 Aucune activité : semaine de relâche Jeudi 8 novembre : Semaine 10 Test sur articles #1, #2 et #3 Apprentissage à base d'instances

6 Page 6 Jeudi 15 novembre : Semaine 11 Apprentissage à base d instances (suite) À lire : article #4 Apprentissage bayésien Jeudi 22 novembre : Semaine 12 Apprentissage bayésien (suite) Présentation de 2 travaux longs : Algorithmes génétiques Programmation génétique Jeudi 29 novembre : Semaine 13 Présentation de 2 travaux longs Text Mining Programmation logique inductive Jeudi 6 décembre : Semaine 14 Présentation de 2 travaux longs : Réseaux de neurones Reinforcement Learning Jeudi 13 décembre : Semaine 15 Examen final incluant le test sur l'article #4 (15h30 à 18h20, local à déterminer) F. Bibliographie Manuels obligatoires: Mitchell, T.M., (1997). Machine Learning. McGraw-Hill. Mineau, G.W., (1999). IFT : Recueil de textes. Autres références: R.S. Michalski, J.G. Carbonell & T.M. Mitchell, (1983). Machine Learning: An Artificial Intelligence Approach, vol. I. Morgan Kaufmann. R.S. Michalski, J.G. Carbonell & T.M. Mitchell, (1986). Machine Learning: An Artificial Intelligence Approach, vol. II. Morgan Kaufmann. Y. Kodratoff & R.S. Michalski, (1990). Machine Learning: An Artificial Intelligence Approach, vol. III. Morgan Kaufmann.

7 Page 7 R.S. Michalski, G. Tecuci, (1994). Machine Learning: A Multistrategy Approach, vol. IV. Morgan Kaufmann. Y. Kodratoff, (1988). Introduction to Machine Learning. Morgan Kaufmann. Machine Learning Journal. Kluwer Academic Press. Readings in Machine Learning. Morgan Kaufmann. Actes des conférences ML (Machine Learning), ECML (European Conference on Machine Learning), KDD (Knowledge Discovery in Databases), PKDD (Practical Applications of Knowledge Discovery in Databases). Actes des conférences IJCAI (International Joint Conference on Artificial Intelligence), AAAI (American Association for Artificial Intelligence), ECAI (European Conference on Artificial Intelligence). autres revues scientifiques : KDD journal, AI journal, etc. G. Date de dernière mise à jour Le 1er septembre H. Liste des sujets pour le travail long Le Data Mining La sélection d attributs (feature selection) et les techniques de discrétisation de données numériques Le Text Mining Les algorithmes génétiques Les réseaux de neurones La programmation logique inductive (ILP) Le Reinforcement Learning L apprentissage chez l être humain Et autres

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

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

!"#!$$%%%&% &''& Enseignant : Coordonnées : Courriel : Téléphone : Fax : Soutien technique : Site de soutien technique : Courriel : Téléphone :

!#!$$%%%&% &''& Enseignant : Coordonnées : Courriel : Téléphone : Fax : Soutien technique : Site de soutien technique : Courriel : Téléphone : !"#!$$%%%&% &''& Enseignant : Coordonnées : Courriel : Téléphone : Fax : Soutien technique : Site de soutien technique : Courriel : Téléphone : Kevin Lee, Chargé d enseignement Pavillon Palasis-Prince,

Plus en détail

S y l l a b u s RECONNAISSANCE DES FORMES : CLASSIFICATION ET REGROUPEMENT IFT-64321 A

S y l l a b u s RECONNAISSANCE DES FORMES : CLASSIFICATION ET REGROUPEMENT IFT-64321 A RECONNAISSANCE DES FORMES : CLASSIFICATION ET REGROUPEMENT IFT-64321 A S y l l a b u s Jean-Marie Beaulieu Département d'informatique Téléphone: 656-2131 poste 2564 Courriel: jean-marie.beaulieu@ift.ulaval.ca

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

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

FOUILLE DE DONNEES. Anne LAURENT ECD. laurent@lirmm.fr

FOUILLE DE DONNEES. Anne LAURENT ECD. laurent@lirmm.fr FOUILLE DE DONNEES Anne LAURENT laurent@lirmm.fr ECD Pourquoi la fouille de données? Données disponibles Limites de l approche humaine Nombreux besoins : Industriels, Médicaux, Marketing, Qu est-ce que

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

Extraction de règles d association pour la prédiction de valeurs manquantes

Extraction de règles d association pour la prédiction de valeurs manquantes Cari 2004 7/10/04 12:00 Page 487 Extraction de règles d association pour la prédiction de valeurs manquantes Sylvie Jami 1, Tao-Yan Jen 2, Dominique Laurent 3, George Loizou 1, Oumar Sy 3,4 1. Birkbeck

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

«Il utilise les statistiques comme l ivrogne, les lampadaires pour s appuyer plutôt que pour s éclairer.» Andrew Lang PLAN DE COURS

«Il utilise les statistiques comme l ivrogne, les lampadaires pour s appuyer plutôt que pour s éclairer.» Andrew Lang PLAN DE COURS ÉCOLE DE POLITIQUE APPLIQUÉE Faculté des lettres et sciences humaines GEP 111 (GR1) LES STATISTIQUES EN SCIENCES POLITIQUES HIVER 2015 Professeur : Khalid Adnane Disponibilité : jeudi avant-midi Bureau

Plus en détail

Weka_S2D : Système de Surveillance de Diabétiques

Weka_S2D : Système de Surveillance de Diabétiques Weka_S2D : Système de Surveillance de Diabétiques TALEB ZOUGGAR Souad(*), ATMANI Baghdad(*) Souad.taleb@gmail.com, atmani.baghdad@univ-oran.dz (*) Equipe de recherche «Simulation, Intégration et fouille

Plus en détail

Cours : INF 752 Techniques de vérification et de validation Trimestre : Automne 2015 Enseignant : Évariste Valéry BÉVO WANDJI

Cours : INF 752 Techniques de vérification et de validation Trimestre : Automne 2015 Enseignant : Évariste Valéry BÉVO WANDJI Faculté des sciences Centre de formation en technologies de l information Cours : INF 752 Techniques de vérification et de validation Trimestre : Automne 2015 Enseignant : Évariste Valéry BÉVO WANDJI 1.

Plus en détail

1. Mise en contexte. 2. Place du cours dans le programme

1. Mise en contexte. 2. Place du cours dans le programme Faculté des sciences Centre de formation en technologies de l information Cours : INF 737 Conception orientée objets avancée Trimestre : Automne 2015 Enseignant : Patrice Roy 1. Mise en contexte Ce cours

Plus en détail

Initiation à la fouille de données et à l apprentissage automatiq

Initiation à la fouille de données et à l apprentissage automatiq Initiation à la fouille de données et à l apprentissage automatique 1 Laboratoire d Informatique Fondamentale de Marseille Université de Provence christophe.magnan@lif.univ-mrs.fr www.lif.univ-mrs.fr/

Plus en détail

Arbres de décision. Intelligence Artificielle et Systèmes Formels Master 1 I2L

Arbres de décision. Intelligence Artificielle et Systèmes Formels Master 1 I2L Arbres de décision Intelligence Artificielle et Systèmes Formels Master 1 I2L Sébastien Verel verel@lisic.univ-littoral.fr http://www-lisic.univ-littoral.fr/ verel Université du Littoral Côte d Opale Laboratoire

Plus en détail

Plan de cours. À la fin de ce cours, l étudiant doit atteindre les objectifs généraux suivants :

Plan de cours. À la fin de ce cours, l étudiant doit atteindre les objectifs généraux suivants : École de technologie supérieure Département de génie logiciel et des TI Maîtrise en génie, concentration technologie d information Trimestre : Hiver 2012 Professeur : Christian Desrosiers Responsables

Plus en détail

A.E.C. - Gestion des Applications, TI LEA.BW

A.E.C. - Gestion des Applications, TI LEA.BW A.E.C. - Gestion des Applications, TI LEA.BW Groupe : 00051 Sécurité 420-PKF-SL (2-1-1) Quatrième étape Plan de cours Professeur Nom : Marcel Aubin Courrier électronique : maubin@cegep-st-laurent.qc.ca

Plus en détail

PLAN DE COURS. TITRE DU COURS : Mise à niveau pour mathématique 536

PLAN DE COURS. TITRE DU COURS : Mise à niveau pour mathématique 536 100, rue Duquet, Sainte-Thérèse (Québec) J7E 3G6 Téléphone : (450) 430-3120 Télécopieur : (450) 971-7883 Internet : http://www.clg.qc.ca SESSION : H-2009 NO DE COURS : 201-009-50 PRÉALABLE(S) : Math 436

Plus en détail

SIO-6003 Techniques de forage de données SECTION Z1 Hiver 2011

SIO-6003 Techniques de forage de données SECTION Z1 Hiver 2011 E SIO-6003.-Z1 Plan de Cours, Hiver 2011 SIO-6003 Techniques de forage de données SECTION Z1 Hiver 2011 Enseignant: Alexandru Toma, PhD, MBA Horaire du cours: Elluminate (plate-forme d enseignement à distance)

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

Laboratoire 4 Développement d un système intelligent

Laboratoire 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 détail

POL 1100 (Méthodes de recherche en politique) Hiver 2012 Local B-0305 Lundi de 13h00-14h30

POL 1100 (Méthodes de recherche en politique) Hiver 2012 Local B-0305 Lundi de 13h00-14h30 Faculté des arts et des sciences Département de science politique POL 1100 (Méthodes de recherche en politique) Hiver 2012 Local B-0305 Lundi de 13h00-14h30 Professeur : Erick Lachapelle Bureau : C-3124

Plus en détail

Apprentissage Automatique

Apprentissage Automatique Préambule Enseignant : Céline Rouveirol Email : celine.rouveirol@lipn.univ-paris13.fr Téléphone : 01 49 40 35 78 Organisation Apprentissage Automatique Cours: le lundi après midi de 13h45 à 15h15 TD/TP

Plus en détail

PLAN DE COURS Hiver 2015

PLAN DE COURS Hiver 2015 PLAN DE COURS Hiver IFT-1003 11749 - Analyse et conception de systèmes d'information Informations générales Crédits : 3 Temps consacré : 3-0-6 Mode d'enseignement : Présentiel Site Web : http://cours.ift.ulaval.ca/h/ift-1003_11749/

Plus en détail

Pourquoi l apprentissage?

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

Plus en détail

PLAN DE COURS. Reconnaître le rôle des mathématiques ou de l informatique dans la société contemporaine (0011)

PLAN DE COURS. Reconnaître le rôle des mathématiques ou de l informatique dans la société contemporaine (0011) PLAN DE COURS Titre du cours : Logiciels appliqués en sciences Numéro du cours : 360-ESZ-03 Programme : Sciences de la Nature 200B0 Pondération : 1-2-3 Session : Hiver 2010 Enseignant : Éric Gaul François

Plus en détail

Analyse de grandes bases de données en santé

Analyse de grandes bases de données en santé .. Analyse de grandes bases de données en santé Alain Duhamel Michaël Genin Mohamed Lemdani EA 2694 / CERIM Master 2 Recherche Biologie et Santé Journée Thématique Fouille de Données Plan. 1 Problématique.

Plus en détail

Analyse de grandes bases de données en santé

Analyse de grandes bases de données en santé .. Analyse de grandes bases de données en santé Alain Duhamel Michaël Genin Mohamed Lemdani EA 2694 / CERIM Master 2 Recherche Biologie et Santé Journée Thématique Fouille de Données Plan. 1 Problématique.

Plus en détail

But du cours. Sources & références. Sources & références. Sources & références. Plan. La fouille de données (ou data mining) Principe (postulat...

But du cours. Sources & références. Sources & références. Sources & références. Plan. La fouille de données (ou data mining) Principe (postulat... But du cours Vocabulaire, principes et techniques du Data Mining Méthodes et Algorithmes Interprétation des résultats. Data Mining : Concepts and Techniques J. Han, M. Kamber Morgan Kaufmann Le Data Mining

Plus en détail

FOUILLE DE DONNEES. Anne LAURENT POLYTECH'MONTPELLIER IG 5

FOUILLE DE DONNEES. Anne LAURENT POLYTECH'MONTPELLIER IG 5 FOUILLE DE DONNEES Anne LAURENT POLYTECH'MONTPELLIER IG 5 Pourquoi la fouille de données? Données disponibles Limites de l approche humaine Nombreux besoins : Industriels, Médicaux, Marketing, Qu est-ce

Plus en détail

Soutien technique en informatique

Soutien technique en informatique Service de formation aux adultes Soutien technique en informatique PLAN DE COURS Utilisation et création de bases de données 420-B64-GR 2-2-2 75 heures Session automne 2010 NOM DE L ENSEIGNANT : JIE YANG

Plus en détail

Anglais professionnel «Business English»

Anglais professionnel «Business English» Anglais professionnel «Business English» 1. INFORMATIONS DE BASE Intitulé de l unité de formation : Anglais professionnel «Business English», Niveau Intermédiaire (B2), Session d automne 2010, http://www.

Plus en détail

Gauthier, Benoît (dir.). 2010. Recherche sociale : de la problématique à la collecte des données. Québec : Presses de l Université du Québec.

Gauthier, Benoît (dir.). 2010. Recherche sociale : de la problématique à la collecte des données. Québec : Presses de l Université du Québec. Faculté des arts et des sciences Département de science politique POL 1100 (Méthodes de recherche en politique) Automne 2011 Local B-0245 Lundi de 13h00-14h30 Professeur : Éric Montpetit Bureau : C-4012

Plus en détail

Cours 420-B33-VM. Concepts de l orienté objet

Cours 420-B33-VM. Concepts de l orienté objet Cours 420-B33-VM Concepts de l orienté objet Pondération : 3-3-3 ( 3 crédits 3 ème session ) Programme : Technique de l informatique 420.A0 Voie de spécialisation : Informatique de gestion Préalables :

Plus en détail

HIVER 2004 MÉTHODOLOGIE DE LA RECHERCHE EN MARKETING MRK - 65384

HIVER 2004 MÉTHODOLOGIE DE LA RECHERCHE EN MARKETING MRK - 65384 Professeur : Raoul Graf FSA-Université Laval Pavillon Palasis Prince Bureau 2413 Tél. : 418 656 2131 ext. 2688 Courriel : Raoul.Graf@mrk.ulaval.ca HIVER 2004 MÉTHODOLOGIE DE LA RECHERCHE EN MARKETING MRK

Plus en détail

Introduction à La Fouille de Données. Khai thác dữ liệu. Cours M1 IA «Systèmes Intelligents & Multimédia» Jean-Daniel Zucker

Introduction à La Fouille de Données. Khai thác dữ liệu. Cours M1 IA «Systèmes Intelligents & Multimédia» Jean-Daniel Zucker 1 /81 Cours IFI M1 Data Mining Introduction à La Fouille de Données Khai thác dữ liệu Cours M1 IA «Systèmes Intelligents & Multimédia» Jean-Daniel Zucker Chercheur de l IRD à UMMISCO (Modélisation Mathématiques

Plus en détail

Dessin Technique GMEC1311. PROFESSEUR Gabriel Cormier, Ph.D. Bureau : 217G2 Tél : 858-4566 Courriel : gabriel.cormier@umoncton.ca

Dessin Technique GMEC1311. PROFESSEUR Gabriel Cormier, Ph.D. Bureau : 217G2 Tél : 858-4566 Courriel : gabriel.cormier@umoncton.ca Faculté d ingénierie PLAN DE COURS Génie mécanique Dessin Technique GMEC1311 PROFESSEUR Gabriel Cormier, Ph.D. Bureau : 217G2 Tél : 858-4566 Courriel : gabriel.cormier@umoncton.ca HORAIRE Théorie : Jeudi,

Plus en détail

SCIENCES - TECHNOLOGIES - SANTE. STIC : Sciences et Technologies de l Information et de la Communication. Parcours Informatique

SCIENCES - TECHNOLOGIES - SANTE. STIC : Sciences et Technologies de l Information et de la Communication. Parcours Informatique 2012-2015 Niveau : MASTER année Domaine : Mention : Spécialité : Volume horaire étudiant : SCIENCES - TECHNOLOGIES - SANTE STIC : Sciences et Technologies de l Information et de la Communication Parcours

Plus en détail

Chapitre 4.2. «DATA MINING» ou FOUILLE DE DONNÉES

Chapitre 4.2. «DATA MINING» ou FOUILLE DE DONNÉES Chapitre 4.2 «DATA MINING» ou FOUILLE DE DONNÉES Gilbert Saporta 1. Définitions et historique Le data mining que l on peut traduire par fouille de données apparaît au milieu des années 1990 aux États-Unis

Plus en détail

Bachelier en Comptabilité

Bachelier en Comptabilité Haute École Louvain en Hainaut www.helha.be Année académique 2015-2016 Bachelier en Comptabilité Catégorie Économique HELHa Mons - Campus 159 Chaussée de Binche 7000 MONS Tél : +32 (0) 65 40 41 44 Fax

Plus en détail

PLAN DE COURS Automne 2015

PLAN DE COURS Automne 2015 PLAN DE COURS Automne 2015 Infographie (6GEN715) Département des Sciences Appliquées Module d ingénierie Professeur Daniel Audet, ing. Ph.D. Bureau : P4-3010-6 Tél. : (418) 545-5011 poste 5639 Courriel

Plus en détail

Une méthode de classification supervisée sans paramètre pour l apprentissage sur les grandes bases de données

Une méthode de classification supervisée sans paramètre pour l apprentissage sur les grandes bases de données Une méthode de classification supervisée sans paramètre pour l apprentissage sur les grandes bases de données Marc Boullé Orange Labs 2 avenue Pierre Marzin 22300 Lannion marc.boulle@orange-ftgroup.com,

Plus en détail

Organisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining.

Organisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining. 2 jours : Mardi 15 et mercredi 16 novembre 2005 de 9 heures 30 à 17 heures 30 Organisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining. Madame, Monsieur, On parle

Plus en détail

GPA759 RÉSEAUX DE NEURONES ET INTELLIGENCE ARTIFICIELLE Préalable(s) : Aucun PLAN DE COURS SESSION AUTOMNE 2013

GPA759 RÉSEAUX DE NEURONES ET INTELLIGENCE ARTIFICIELLE Préalable(s) : Aucun PLAN DE COURS SESSION AUTOMNE 2013 École de technologie supérieure Département de génie de la production automatisée Responsable(s) du cours : Crédits : Richard Lepage, ing., Ph.D. GPA759 RÉSEAUX DE NEURONES ET INTELLIGENCE ARTIFICIELLE

Plus en détail

UNIVERSITÉ LAVAL. PLAN DE COURS PROGRAMME en GESTION du DÉVELOPPEMENT TOURISTIQUE. Titre et sigle du cours : Marketing touristique, MRK 20578

UNIVERSITÉ LAVAL. PLAN DE COURS PROGRAMME en GESTION du DÉVELOPPEMENT TOURISTIQUE. Titre et sigle du cours : Marketing touristique, MRK 20578 1 UNIVERSITÉ LAVAL FACULTÉ DES SCIENCES DE L'ADMINISTRATION Certificat en gestion du développement touristique PLAN DE COURS PROGRAMME en GESTION du DÉVELOPPEMENT TOURISTIQUE IDENTIFICATION Titre et sigle

Plus en détail

SCO 2200 PRÉPARATION DES ÉTATS FINANCIERS. Nombre de crédits: 3

SCO 2200 PRÉPARATION DES ÉTATS FINANCIERS. Nombre de crédits: 3 DÉPARTEMENT DES SCIENCES COMPTABLES SCO 2200 PRÉPARATION DES ÉTATS FINANCIERS Nombre de crédits: 3 Cours obligatoire dans le programme du baccalauréat en sciences comptables et du certificat en comptabilité

Plus en détail

Bouchekif Abdesselam 11 mars 2012

Bouchekif Abdesselam 11 mars 2012 Expériences sur les données du répertoire de données de UCI avec une boîte à outils Bouchekif Abdesselam 11 mars 2012 Résumé Les dix dernières années ont été témoin de grands progrès réalisés dans le domaine

Plus en détail

IFT 187 Éléments de bases de données

IFT 187 Éléments de bases de données Département d informatique IFT 187 Éléments de bases de données Plan de cours Automne 2014 Enseignants Marc Frappier Courriel : marc.frappier@usherbrooke.ca Local : D4-1010-08 Téléphone : (819) 821-8000

Plus en détail

Présentation du cours

Présentation du cours LOG660 - Bases de données de haute performance Présentation du cours Automne 2015 Lévis Thériault Département de génie logiciel et des TI LOG660 Hiver 2012 C. Desrosiers 1 Informations de base Titre: Chargé

Plus en détail

CHARGÉE DE COURS : Catherine Pelletier, MBA, chargée de communication, Service des communications et des relations avec le milieu, FSA

CHARGÉE DE COURS : Catherine Pelletier, MBA, chargée de communication, Service des communications et des relations avec le milieu, FSA MRK-20712 - MARKETING DIRECT Syllabus Automne 2008 Local 3307 PAP CHARGÉE DE COURS : Catherine Pelletier, MBA, chargée de communication, Service des communications et des relations avec le milieu, FSA

Plus en détail

POL-7004 Analyse quantitative Mardi 15h30 Local Pouliot-2512

POL-7004 Analyse quantitative Mardi 15h30 Local Pouliot-2512 POL-7004 Analyse quantitative Mardi 15h30 Local Pouliot-2512 Chargé de cours: Yannick Dufresne (yannick.dufresne.1@ulaval.ca) Assistant: Mickael Temporão (mickael.temporao.1@ulaval.ca) Site du cours: www.pol.ulaval.ca/pol7004

Plus en détail

Classification, Apprentissage, Décision

Classification, Apprentissage, Décision Classification, Apprentissage, Décision Rémi Eyraud remi.eyraud@lif.univ-mrs.fr http://www.lif.univ-mrs.fr/~reyraud/ Cours inspiré par ceux de François Denis et Laurent Miclet. Plan général du cours Introduction

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

logiciels multimédia 2

logiciels multimédia 2 logiciels multimédia 2 PLAN DE COURS PRÉPARÉ PAR : Gilles Thibault BUREAU : CH-223 TÉLÉPHONE : 514 325-0150, poste 2068 COURRIEL : gilles.thibault@collegemv.qc.ca PROGRAMME DE GRAPHISME COORDONNATEUR :

Plus en détail

Production 3D pour jeux vidéo (NTL12) Techniques de modélisation 3D (574-AC5-AG) Session : Automne 2014. Durée en heures. Pondération : 2-3-2

Production 3D pour jeux vidéo (NTL12) Techniques de modélisation 3D (574-AC5-AG) Session : Automne 2014. Durée en heures. Pondération : 2-3-2 Programme : Cours : Production 3D pour jeux vidéo (NTL2) Techniques de modélisation 3D (574-AC5-AG) Session : Automne 204 Professeur : Durée : Kevin Boyer 75 heures Pondération : 2-3-2 Présentation de

Plus en détail

Rencontre d information pour la rentrée d automne 2015

Rencontre d information pour la rentrée d automne 2015 1/30 École de bibliothéconomie et des sciences de l'information Certificat en archivistique Certificat en gestion de l information numérique Rencontre d information pour la rentrée d automne 2015 31 août

Plus en détail

Bachelier en Informatique et systèmes Finalité Informatique industrielle

Bachelier en Informatique et systèmes Finalité Informatique industrielle Haute École Louvain en Hainaut www.helha.be Année académique 2015-2016 Catégorie Technique Bachelier en Informatique et systèmes Finalité Informatique industrielle HELHa Charleroi 185 Grand'Rue 6000 CHARLEROI

Plus en détail

ASR-2102 : Produits financiers: assurances et rentes

ASR-2102 : Produits financiers: assurances et rentes ASR-2102 : Produits financiers: assurances et rentes NRC 10985 Hiver 2012 Temps consacré : 3-0-6 Crédit(s) : 3 Connaître les produits financiers suivants: produits d'assurance-vie, produits d'assurance

Plus en détail

Programmation avancée en java IFT-21133 Syllabus

Programmation avancée en java IFT-21133 Syllabus Programmation avancée en java IFT-21133 Syllabus http://www.ift.ulaval.ca/ marchand/ift21133 Professeur : Pierre MARCHAND tél : 656-2131 poste 7409 fax : 656-2324 courriel : marchand@ift.ulaval.ca Chargé

Plus en détail

Travail de Maturité. Guide de travail 2014-2015. 16/07/2014 Guide du travail de maturité (réf 1/09) 1/13

Travail de Maturité. Guide de travail 2014-2015. 16/07/2014 Guide du travail de maturité (réf 1/09) 1/13 Travail de Maturité Guide de travail 2014-2015 16/07/2014 Guide du travail de maturité (réf 1/09) 1/13 Tables des matières 1. Qu est-ce que le travail de maturité? 2. Planification générale du travail

Plus en détail

Projet de Fin d'etudes (PFE)

Projet de Fin d'etudes (PFE) Projet de Fin d'etudes (PFE) PFE au Département Télécommunication Un PFE est un projet : 1. de Recherche et Développement : le but du projet doit être le développement de technologies (plateformes, architectures,

Plus en détail

Faculté des sciences de l administration Hiver 2010. Plan de cours LE MARKETING

Faculté des sciences de l administration Hiver 2010. Plan de cours LE MARKETING Faculté des sciences de l administration Hiver 2010 Université Laval Raynald Lavoie 1- DESCRIPTION Plan de cours MRK-6004-S LE MARKETING Dans un contexte de mondialisation de marchés et de concurrence

Plus en détail

413.323.1. du 23 février 2004. Le Département de l'economie,

413.323.1. du 23 février 2004. Le Département de l'economie, Règlement concernant l organisation et la formation à l'ecole supérieure jurassienne d'informatique de gestion (ESIG) (Version en vigueur jusqu'au 31 août 2012) du 23 février 2004 Le Département de l'economie,

Plus en détail

PLAN DE COURS Hiver 2014

PLAN DE COURS Hiver 2014 PLAN DE COURS Hiver 2014 GIF-4101 20439 - Apprentissage et reconnaissance Informations générales Crédits : 3 Temps consacré : 3-0-6 Mode d'enseignement : Présentiel Site Web : http://gif4101.gel.ulaval.ca

Plus en détail

Titre du cours : Anglais propre au programme (niveau I) Plan de cours. Programme d études : Formation générale

Titre du cours : Anglais propre au programme (niveau I) Plan de cours. Programme d études : Formation générale ATTENTION : CE PLAN DE COURS NE DOIT PAS ÊTRE REPROGRAPHIÉ! Titre du cours : Anglais propre au programme (niveau I) Code officiel : 604 610 BB Plan de cours Programme d études : Formation générale Session

Plus en détail

Le Guide LMD de l Étudiant ESEN

Le Guide LMD de l Étudiant ESEN Université de la Manouba École Supérieure d Économie Numérique Le Guide LMD de l Étudiant ESEN Approuvé par le conseil scientifique le 24 juillet 2015 Année universitaire 2015/2016 Table des matières 1.

Plus en détail

PLAN DE COURS DÉPARTEMENT ÉLECTRONIQUE INDUSTRIELLE. TITRE DU COURS Ordinateur Outil 243-215-RA 1-4-2

PLAN DE COURS DÉPARTEMENT ÉLECTRONIQUE INDUSTRIELLE. TITRE DU COURS Ordinateur Outil 243-215-RA 1-4-2 PLAN DE COURS DÉPARTEMENT ÉLECTRONIQUE INDUSTRIELLE TITRE DU COURS Ordinateur Outil 243-215-RA 1-4-2 Numéro du cours Pondération Automne 2010 Martin Cloutier Table des matières 1 NOTE PRÉLIMINAIRE... 3

Plus en détail

Fouille de Données Médicales

Fouille de Données Médicales Journée Romande d Hygiène Hospitalière Fouille de Données Médicales Michèle Sebag Laboratoire de Recherche en Informatique, Université Paris-Sud http://www.lri.fr/ sebag/ Genève, 21 novembre 2002 MIT Technology

Plus en détail

Fiche Unité d Enseignement

Fiche Unité d Enseignement Intitulé de l UE : Anglais Discipline(s) : Langue étrangère Responsable de l organisation : Coordinatrice d année Code UE : 3EU1B Responsable de l évaluation : Marie Palm Crédits : 5 crédits Cycle : 1

Plus en détail

PLAN DE COURS Nº 1 FINANCE 1

PLAN DE COURS Nº 1 FINANCE 1 PLAN DE COURS Nº 1 FINANCE 1 (410-540-90) (2-1-3) Département de techniques et sciences administratives Professeur : Bureau : Tél. : Session : PRÉALABLE Le cours de comptabilité 2 (410-210-90) est préalable

Plus en détail

TANAGRA : un logiciel gratuit pour l enseignement et la recherche

TANAGRA : un logiciel gratuit pour l enseignement et la recherche TANAGRA : un logiciel gratuit pour l enseignement et la recherche Ricco Rakotomalala ERIC Université Lumière Lyon 2 5, av Mendès France 69676 Bron rakotoma@univ-lyon2.fr http://eric.univ-lyon2.fr/~ricco

Plus en détail

INTRODUCTION AU DATA MINING. Cina MOTAMED

INTRODUCTION AU DATA MINING. Cina MOTAMED INTRODUCTION AU DATA MINING Cina MOTAMED 2 Data Mining : contexte Âge numérique : explosion des volumes de données Transactions commerciales Opérations bancaires Navigation Internet Indicateurs démographiques

Plus en détail

Le présent document se trouve dans le site du ministère de l Éducation, du Loisir et du Sport [http://www.mels.gouv.qc.ca/dgfj/de/docinfosec.htm].

Le présent document se trouve dans le site du ministère de l Éducation, du Loisir et du Sport [http://www.mels.gouv.qc.ca/dgfj/de/docinfosec.htm]. Gouvernement du Québec Ministère de l Éducation, du Loisir et du Sport, 2012 ISSN : 1927-8527 (en ligne) Dépôt légal - Bibliothèque et Archives nationales du Québec, 2012 Le présent document se trouve

Plus en détail

Master ISI 2010-2011. Data Mining Recherche des sous-ensembles fréquents

Master ISI 2010-2011. Data Mining Recherche des sous-ensembles fréquents Master ISI 2010-2011 Data Mining Recherche des sous-ensembles fréquents Yves Lechevallier INRIA-Rocquencourt E_mail : Yves.Lechevallier@inria.fr 1 Processus Data Mining Phase A : Entrepôt de données Entrepôt

Plus en détail

UTFPR. Nada Benlahbib. [DATA MINING] Fertility Data Set

UTFPR. Nada Benlahbib. [DATA MINING] Fertility Data Set UTFPR [DATA MINING] Fertility Data Set Sommaire Introduction... 2 1. Description de la base de données... 3 1.1. Origine de la base... 3 1.2. Description des attributs... 3 1.3. Exploration des données...

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

Règlement du stage et mémoire au 1 er juillet 2015

Règlement du stage et mémoire au 1 er juillet 2015 Règlement du stage et mémoire au 1 er juillet 2015 TITRE 1. GENERALITES Article 1.1. Le stage et mémoire constitue le mémoire au sens des normes décrétales en vigueur régissant l enseignement supérieur.

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

REGLEMENT INTERIEUR DE L ECOLE SUPERIEURE DE TECHNOLOGIE D OUJDA

REGLEMENT INTERIEUR DE L ECOLE SUPERIEURE DE TECHNOLOGIE D OUJDA REGLEMENT INTERIEUR DE L ECOLE SUPERIEURE DE TECHNOLOGIE D OUJDA 1 ABSENCES 1- La présence est obligatoire à toutes les séances de formation, contrôle, et examens, ainsi qu à toutes les formes de formation

Plus en détail

Mastère spécialisé. «Ingénierie de l innovation et du produit nouveau De l idée à la mise en marché»

Mastère spécialisé. «Ingénierie de l innovation et du produit nouveau De l idée à la mise en marché» Mastère spécialisé «Ingénierie de l innovation et du produit nouveau De l idée à la mise en marché» I- Présentation détaillée du programme d enseignement Répartition par modules et crédits ECTS : Intitulé

Plus en détail

PLAN DE COURS. Département des sciences comptables. SCO 3210 États financiers: sources de capitaux Session Automne 2008. Horaire et locaux:

PLAN DE COURS. Département des sciences comptables. SCO 3210 États financiers: sources de capitaux Session Automne 2008. Horaire et locaux: Département des sciences comptables PLAN DE COURS SCO 3210 États financiers: sources de capitaux Session Automne 2008 Horaire et locaux: Groupe Horaire Enseignant(e) 30 mercredi 9h30-12h30 Chantal Viger

Plus en détail

Tout ce que vous voulez savoir sur la Bibliothèque-Médiathèque Sierre (BMS)

Tout ce que vous voulez savoir sur la Bibliothèque-Médiathèque Sierre (BMS) Tout ce que vous voulez savoir sur la Bibliothèque-Médiathèque Sierre (BMS) Horaires Lundi, mardi, mercredi, vendredi : 8:00-11:00*/14:30-18:30 Jeudi : 8:00-11:00*/14:30-20:00 Samedi : 10:00-12:00/14:00-17:00

Plus en détail

Théories criminologiques II (CRM 3701)

Théories criminologiques II (CRM 3701) Département de criminologie Department of Criminology Richard DUBÉ Courrier électronique : rdube@uottawa.ca Téléphone au bureau : 562-5800 poste 8861 Disponibilités : mercredi de 14h30 à 16h30 (pavillon

Plus en détail

Plan de cours. 1. Mise en contexte. 2. Place du cours dans le programme. 3. Descripteur du cours

Plan de cours. 1. Mise en contexte. 2. Place du cours dans le programme. 3. Descripteur du cours Faculté des sciences Centre de formation en technologies de l information Plan de cours Cours : INF 735 Entrepôt et forage de données Trimestre : Hiver 2015 Enseignant : Robert J. Laurin 1. Mise en contexte

Plus en détail

Application de K-means à la définition du nombre de VM optimal dans un cloud

Application de K-means à la définition du nombre de VM optimal dans un cloud Application de K-means à la définition du nombre de VM optimal dans un cloud EGC 2012 : Atelier Fouille de données complexes : complexité liée aux données multiples et massives (31 janvier - 3 février

Plus en détail

INF 786 Gestion du changement dans un contexte TI Trimestre : Automne 2015 Enseignants : Christine Beaulieu et Pierre-Martin Tardif

INF 786 Gestion du changement dans un contexte TI Trimestre : Automne 2015 Enseignants : Christine Beaulieu et Pierre-Martin Tardif Faculté des sciences Centre de formation en technologies de l information Cours : INF 786 Gestion du changement dans un contexte TI Trimestre : Automne 2015 Enseignants : Christine Beaulieu et Pierre-Martin

Plus en détail

FISCALITÉ II CTB-21507

FISCALITÉ II CTB-21507 FACULTÉ DES SCIENCES DE L ADMINISTRATION PLAN DE COURS Hiver 2005 Le 14 janvier 2005 FISCALITÉ II CTB-21507 Chargé de cours : Claude Tessier, CA, M.Fisc. 6242, pavillon Palasis-Prince Téléphone : (418)

Plus en détail

SIO-2104 : Technologies pour les affaires électroniques

SIO-2104 : Technologies pour les affaires électroniques E SIO-2104 : Technologies pour les affaires électroniques SECTION Z1 Hiver 2012 Enseignant : Karim Ben Boubaker (professeur) Plage horaire du cours : Cours en salle : Lundi 12 h 30 à 15 h 20 Local 2327

Plus en détail

Guide d études en formation à distance

Guide d études en formation à distance Guide d études en formation à distance Amos, le 16 mars 2010 Présentation de la formation à distance Le Centre de formation générale Le Macadam est fier de vous présenter le service de la formation à distance.

Plus en détail

LOG770 Systèmes Intelligents

LOG770 Systèmes Intelligents 1 Calendrier de la session Été 2013 LOG770 Systèmes Intelligents INTRODUCTION TO Machine Learning Chargé de cours : Patrick Cardinal Local: A- 3466 Téléphone: (514) 396-8800 #7810 Courriel: cc- pcardinal@etsmtl.ca

Plus en détail

REGLEMENT CONCOURS INTERNATIONAL TOULOUSE BUSINESS SCHOOL 2015

REGLEMENT CONCOURS INTERNATIONAL TOULOUSE BUSINESS SCHOOL 2015 REGLEMENT CONCOURS INTERNATIONAL TOULOUSE BUSINESS SCHOOL 2015 Filière francophone - Entrée en Master 1 1. Dispositions générales Dès son inscription, tout candidat s engage à respecter strictement toutes

Plus en détail

Université de Lorraine Licence AES LIVRET DE STAGE LICENCE 2014-2015

Université de Lorraine Licence AES LIVRET DE STAGE LICENCE 2014-2015 Université de Lorraine Licence AES LIVRET DE STAGE LICENCE 2014-2015 1 LA REDACTION DU RAPPORT DE STAGE Le mémoire ne doit pas consister à reprendre tels quels des documents internes de l entreprise ou

Plus en détail

Règlement d'études et d'examens du Bachelor of Science en sciences économiques

Règlement d'études et d'examens du Bachelor of Science en sciences économiques 9 mai 01 Règlement d'études et d'examens du Bachelor of Science en sciences économiques Le Conseil de faculté de la faculté des sciences économiques, vu les articles 6, al., lettre c et 70, al., de la

Plus en détail

NUMÉRO (GR) TITRE DU COURS CYCLE

NUMÉRO (GR) TITRE DU COURS CYCLE PLAN DE COURS Professeur : Frédéric Laurin AUTOMNE 2012 TRIMESTRE ET ANNÉE MBA-6001-01et 02 LES ENVIRONNEMENTS DE L ENTREPRISE 2 e NUMÉRO (GR) TITRE DU COURS CYCLE 1. DESCRIPTION DU COURS L'objectif du

Plus en détail

FORMATION. La fonction de responsable de Centre Social (Directeur, Coordinateur) mobilise des compétences variées et complémentaires :

FORMATION. La fonction de responsable de Centre Social (Directeur, Coordinateur) mobilise des compétences variées et complémentaires : FORMATION Adaptation à la fonction des nouveaux responsables de Centres Sociaux Session d automne 2010 du 4 au 7 octobre et du 22 au 25 novembre A PARIS 18 ème arrondissement 1) Enjeux de la formation

Plus en détail

CAHIER DE PROGRAMME TECHNOLOGIE DE L ÉLECTRONIQUE : TÉLÉCOMMUNICATION (243.BA)

CAHIER DE PROGRAMME TECHNOLOGIE DE L ÉLECTRONIQUE : TÉLÉCOMMUNICATION (243.BA) CAHIER DE PROGRAMME TECHNOLOGIE DE L ÉLECTRONIQUE : TÉLÉCOMMUNICATION (243.BA) DIPLÔME D ÉTUDES COLLÉGIALES (DEC) Pour obtenir un diplôme d études collégiales, vous devez avoir satisfait aux trois conditions

Plus en détail

PLAN DE COURS Automne 2012

PLAN DE COURS Automne 2012 PLAN DE COURS Automne 2012 IFT-2004 83621 - Modèles et langages des bases de données Informations générales Crédits : 3 Temps consacré : 3-0-6 Mode d'enseignement : Présentiel Site Web : http://cours.ift.ulaval.ca/2012a/ift-2004_83621/

Plus en détail

Raisonner le Web Sémantique avec des graphes : Application à un cas industriel

Raisonner le Web Sémantique avec des graphes : Application à un cas industriel Raisonner le Web Sémantique avec des graphes : Application à un cas industriel Olivier Carloni LIRMM, Université de Montpellier II, 161, rue Ada, F-34392 Montpellier cedex - France carloni@lirmm.fr Mondeca,

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