Deep-learning. B. Gas - V 0.1 (2014) UE 5AI02/5AK03 - ISIR/UPMC
|
|
- Véronique Bouffard
- il y a 7 ans
- Total affichages :
Transcription
1 Deep-learning VI B. Gas - V 0.1 (014) UE 5AI0/5AK03 - ISIR/UPMC
2 Deep-network Importance du codage pour la classification: certains codages sont plus adaptés que d autres pour une classification donnée. Les données complexes peuvent être décomposées en une somme de données moins complexe. Deep-Learning: architecture composée de multiples transformations non linéaires. Deep-learning: années 000 (Hinton)
3 Deep-network Réseaux de neurones: - Approximateur universel - La couche cachée apprend des caractéristiques - Données complexes -> couche cachée complexe - Données complexes -> long temps d apprentissage - Réseau complexe -> nécessite un grand nombre de données d apprentissage -> Ajouter des couches cachées.
4 Avantage Avantage à utiliser un réseau de neurone de type «deep-network»
5 Inconvénients Les inconvénients de l apprentissage traditionnel Rappel: - Initialisation aléatoire des poids - Rétropropagation de l erreur sur toutes les couches - Il est difficile de constituer d importantes bases de d apprentissage labélisées ( -> sur-apprentissage, mauvaise généralisation) - La complexité des architectures de type deep-networks conduit à l augmentation des minima locaux - L ajout de couches cachées conduit à une diminution des amplitudes des dérivées du gradient sur les premières couches, ce problème de «diffusion des gradients» conduit à un déséquilibre de la vitesse d apprentissage entre les premières couches et les dernières couches - Un effet collatéral de la «diffusion des gradients» est l apprentissage des dernières couches sur des caractéristiques mal extraites par les premières couches.
6 Les réseaux de neurone «diabolo» permettent de faire de la compression ou de la classification par «modélisation». Image Image estimée projection reconstruction
7 Les réseaux de neurone «diabolo» permettent de faire de la compression ou de la classification par «modélisation». Apprentissage par rétropropagation : apprentissage Image Erreur
8 Diabolos en classification Forme à classer Formes prédites D 1 Erreurs de prédiction e 1 D D 3 e classe D 4 e 3 e 4
9 Diabolos sur la base NIST
10 Image Image estimée projection Représentation «compacte» de l image
11 Sursoir au problème de la diffusion des gradients: apprendre les couches séparément les unes après les autres (greedy layer-wise training): - Apprendre un MLP à une couche cachée - Puis apprendre un MLP à deux couches cachées - Etc. jusqu à obtention de la structure finale
12 Sursoir au problème de la diffusion des gradients: apprendre les couches séparément les unes après les autres: - A chaque étape une couche cachée est ajoutée - Les poids précédents sont les poids initiaux des étapes suivantes - Plus d initialisation aléatoire globale - Couches stabilisées au fur et à mesure par exploitation de la diffusion des gradients - Le dernier ajout correspond à la structure finale
13 non-supervisé Avantage: - Initialisation des poids non aléatoire -> l apprentissage du réseau final démarre sur une meilleure configuration initiale des poids. - Reste le problème du manque d exemples de la base de données relativement à la complexité du problème - Une base non étiquetée est plus facile à constituer qu une base étiquetée -> apprentissage. étapes: - Apprentissage des couches cachées les unes après les autres (pile d auto-encodeurs) - Apprentissage supervisé de la structure finale
14 Apprentissage de la première couche cachée (diabolo ): x 1 x x 3 h (1) 1 h (1) ˆx 1 ˆx ˆx 3 h (1) m1 x n ˆx n
15 Apprentissage de la deuxième couche cachée (diabolo ): h (1) 1 h (1) h () 1 h () ĥ (1) 1 ĥ (1) h (1) m1 h () m ĥ (1) m1
16 Apprentissage de la troisième couche cachée (diabolo ): h () 1 h (3) 1 h () h (3) ĥ () 1 ĥ () h () m h (3) m3 ĥ () m
17 Apprentissage de la structure finale (MLP supervisé): x 1 ˆx 1 x h (1) 1 h () 1 h (3) 1 ˆx x 3 ˆx 3 h (1) h () h (3) h (1) m1 h () m h (3) m3 x n ˆx n
18 Avantages de la solution : - Structuration hiérarchisée du réseau: les couches apprennent les caractéristiques de 1 er ordre, puis deuxième ordre, etc. - Ensemble d apprentissage potentiellement volumineux -> meilleure généralisation - Meilleure optimisation (minimum optimal): la descente de gradient a plus de chances de converger vers un minimum local intéressant du fait de l apport d informations «a priori» important par le processus non supervisé. - La dernière étape d apprentissage est rapide et n opère qu un ajustement fin des poids pour obtenir la classification finale
Coup de Projecteur sur les Réseaux de Neurones
Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche
Plus en détailChapitre 6 Apprentissage des réseaux de neurones et régularisation
Chapitre 6 : Apprentissage des réseaux de neurones et régularisation 77 Chapitre 6 Apprentissage des réseaux de neurones et régularisation Après une introduction rapide aux réseaux de neurones et à la
Plus en détailL utilisation d un réseau de neurones pour optimiser la gestion d un firewall
L utilisation d un réseau de neurones pour optimiser la gestion d un firewall Réza Assadi et Karim Khattar École Polytechnique de Montréal Le 1 mai 2002 Résumé Les réseaux de neurones sont utilisés dans
Plus en détailApprentissage par renforcement (1a/3)
Apprentissage par renforcement (1a/3) Bruno Bouzy 23 septembre 2014 Ce document est le chapitre «Apprentissage par renforcement» du cours d apprentissage automatique donné aux étudiants de Master MI, parcours
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 détailOptimisation de la compression fractale D images basée sur les réseaux de neurones
Optimisation de la compression fractale D images basée sur les réseaux de neurones D r BOUKELIF Aoued Communication Networks,Architectures and Mutimedia laboratory University of S.B.A aoued@hotmail.com
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 détailDruais Cédric École Polytechnique de Montréal. Résumé
Étude de load balancing par un réseau de neurones de types HME (Hierarchical Mixture of s). Druais Cédric École Polytechnique de Montréal Résumé Cet article tente d introduire le principe de load balancing
Plus en détailCompression et Transmission des Signaux. Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette
Compression et Transmission des Signaux Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette 1 De Shannon à Mac Donalds Mac Donalds 1955 Claude Elwood Shannon 1916 2001 Monsieur X 1951 2 Où
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
Plus en détailMéthodes d apprentissage statistique «Machine Learning»
Méthodes d apprentissage statistique «Machine Learning» Fabrice TAILLIEU, Sébastien DELUCINGE, Rémi BELLINA Le marché de l assurance a rarement été marqué par un environnement aussi difficile qu au cours
Plus en détailCHAPITRE I. Modélisation de processus et estimation des paramètres d un modèle
CHAPITRE I Modélisation de processus et estimation des paramètres d un modèle I. INTRODUCTION. Dans la première partie de ce chapitre, nous rappelons les notions de processus et de modèle, ainsi que divers
Plus en détailAgrégation des portefeuilles de contrats d assurance vie
Agrégation des portefeuilles de contrats d assurance vie Est-il optimal de regrouper les contrats en fonction de l âge, du genre, et de l ancienneté des assurés? Pierre-O. Goffard Université d été de l
Plus en détailPourquoi 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 détail4.2 Unités d enseignement du M1
88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter
Plus en détailFigure 3.1- Lancement du Gambit
3.1. Introduction Le logiciel Gambit est un mailleur 2D/3D; pré-processeur qui permet de mailler des domaines de géométrie d un problème de CFD (Computational Fluid Dynamics).Il génère des fichiers*.msh
Plus en détailPoker. A rendre pour le 25 avril
Poker A rendre pour le 25 avril 0 Avant propos 0.1 Notation Les parties sans * sont obligatoires (ne rendez pas un projet qui ne contient pas toutes les fonctions sans *). Celles avec (*) sont moins faciles
Plus en détailL apprentissage automatique
L apprentissage automatique L apprentissage automatique L'apprentissage automatique fait référence au développement, à l analyse et à l implémentation de méthodes qui permettent à une machine d évoluer
Plus en détailMes parents, mon éducatrice, mon éducateur, partenaires de mon développement! Parce que chaque enfant est. unique. mfa.gouv.qc.ca
Mes parents, mon éducatrice, mon éducateur, partenaires de mon développement! Parce que chaque enfant est unique mfa.gouv.qc.ca Les services de gardes éducatifs, un milieu de vie stimulant pour votre enfant
Plus en détailLes enfants malentendants ont besoin d aide très tôt
13 CHAPITRE 2 Les enfants malentendants ont besoin d aide très tôt Pendant les premières années de leur vie, tous les enfants, y compris les enfants malentendants, apprennent rapidement et facilement les
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailPlateforme AnaXagora. Guide d utilisation
Table des matières 1. PRESENTATION DE LA PLATE-FORME D APPRENTISSAGE ANAXAGORA... 3 2. ARCHITECTURE FONCTIONNELLE... 4 3. L APPRENTISSAGE... 5 3.1. L ESPACE DE TRAVAIL... 5 3.1.1. Le calendrier... 5 4.
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 détailUne comparaison de méthodes de discrimination des masses de véhicules automobiles
p.1/34 Une comparaison de méthodes de discrimination des masses de véhicules automobiles A. Rakotomamonjy, R. Le Riche et D. Gualandris INSA de Rouen / CNRS 1884 et SMS / PSA Enquêtes en clientèle dans
Plus en détailGuide Utilisateur MANTIS. Sommaire. Objet du document :
Guide Utilisateur MANTIS Objet du document : L'outil Mantis est mis à la disposition des organismes du réseau Libres Savoirs. Cet outil est à utiliser en cas d'incident lié à l'utilisation de la plateforme
Plus en détailLe nouveau programme 2014-2020. Investir dans l éducation, la formation et la jeunesse en Europe. www.erasmusplus.fr
Le nouveau programme 2014-2020 Investir dans l éducation, la formation et la jeunesse en Europe www.erasmusplus.fr 2014-2020 Un programme plus efficace pour l emploi des jeunes Un programme plus simple
Plus en détailPrestations de services d application Solutions pour vos besoins en réparation des surfaces
Prestations de services d application Solutions pour vos besoins en réparation des surfaces Henkel Votre partenaire en solutions de réparation des surfaces Grâce à de nombreuses années d expérience dans
Plus en détailAtteindre la flexibilité métier grâce au data center agile
Atteindre la flexibilité métier grâce au data center agile Aperçu : Permettre l agilité du data-center La flexibilité métier est votre objectif primordial Dans le monde d aujourd hui, les clients attendent
Plus en détailELOECM Conference2015
ELOECM Conference2015 Dématérialisation de courriers ELO DocXtractor Florent Melchers Consultant Projet et Avant-vente f.melchers@elo-digital.fr Intérêt d une solution de dématérialisation Nos clients
Plus en détailINTRODUCTION AUX METHODES D INGENIERIE DES DONNEES DIRIGEE PAR LES MODELES
INTRODUCTION AUX METHODES D INGENIERIE DES DONNEES DIRIGEE PAR LES MODELES Les contenus de ce document sont la propriété exclusive de la société REVER. Ils ne sont transmis qu à titre d information et
Plus en détailAnalyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57
Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation
Plus en détailLes algorithmes de fouille de données
Février 2005 Les algorithmes de fouille de données DATAMINING Techniques appliquées à la vente, aux services client, interdictions. Cycle C Informatique Remerciements Je remercie les personnes, les universités
Plus en détailde calibration Master 2: Calibration de modèles: présentation et simulation d
Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe
Plus en détailmonte escaliers électrique
monte escaliers électrique Lors du développement de la ligne des monte-escaliers BUDDY, le cahier des charges était de pouvoir mouvoir des charges relativement légères simplement et rapidement. Comme pour
Plus en détailL utilisation des réseaux de neurones artificiels en finance. Philippe PAQUET Professeur de Gestion
L utilisation des réseaux de neurones artificiels en finance Philippe PAQUET Professeur de Gestion 2 Résumé Depuis le début de la décennie 1990, les réseaux de neurones artificiels habituellement utilisés
Plus en détailLa Recherche du Point Optimum de Fonctionnement d un Générateur Photovoltaïque en Utilisant les Réseaux NEURO-FLOUS
Rev. Energ. Ren. : Chemss 2000 39-44 La Recherche du Point Optimum de Fonctionnement d un Générateur Photovoltaïque en Utilisant les Réseaux NEURO-FLOUS D.K. Mohamed, A. Midoun et F. Safia Département
Plus en détailÉTUDE ET DÉVELOPPEMENT D UN SYSTÈME EXPERT BASÉ SUR LES RÉSEAUX DE NEURONES POUR LE DIAGNOSTIC DES DÉFAUTS DE ROULEMENTS
ÉTUDE ET DÉVELOPPEMENT D UN SYSTÈME EXPERT BASÉ SUR LES RÉSEAUX DE NEURONES POUR LE DIAGNOSTIC DES DÉFAUTS DE ROULEMENTS B. Badri 1 ; M. Thomas 1 ; S. Sassi 2 (1) Department of Mechanical Engineering,
Plus en détailL indépendance à chaque pas de la vie. Groupe. Votre meilleur allié. Visitez notre site : www.groupe-g2m.com
L indépendance à chaque pas de la vie. Votre meilleur allié. Groupe Visitez notre site : www.groupe-g2m.com : Votre meilleur allié. Dispositif médical unique Le système WalkAide est une neuro-orthèse de
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailGuide d Intégration PPM et ERP:
LIVRE BLANC Guide d Intégration PPM et ERP: Stratégies d intégration de logiciels dans les entreprises organisées par projet De: Neil Stolovitsky E-mail: sales@geniusinside.com Website: www.geniusinside.com
Plus en détailTraitement bas-niveau
Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.
Plus en détailConception Electronique (CEL) Prof. Maurizio Tognolini
Conception Electronique (CEL) Prof. Maurizio Tognolini iai institut d Automatisation industrielle MTI/CEL 19/09/2010 v2.0 1 CEL semestre «automne» 2010-2011 Enseignement: cours et labo: (Chaque semaine)
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailDevenez un véritable développeur web en 3 mois!
Devenez un véritable développeur web en 3 mois! L objectif de la 3W Academy est de former des petits groupes d élèves au développement de sites web dynamiques ainsi qu à la création d applications web
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 détailAutomatisation de l administration système
Automatisation de l administration système Plan Problèmatique : trop de systèmes, trop de solutions Typage des solutions Puppet : gestion de configuration de systèmes Capistrano : déploiement d applications
Plus en détailGestion de Projet. Génie Logiciel. Renaud Marlet. LaBRI / INRIA. http://www.labri.fr/~marlet. (d'après A.-M. Hugues) màj 19/04/2007
1 Génie Logiciel (d'après A.-M. Hugues) Gestion de Projet Renaud Marlet LaBRI / INRIA http://www.labri.fr/~marlet màj 19/0/007 Est-ce bien nécessaire? Principes de gestion = beaucoup d'évidences Pourtant
Plus en détailOrganisation des enseignements au semestre 7
Organisation des enseignements au semestre 7 UE1 : Pratiques pédagogiques différenciées et adaptées aux besoins éducatifs particuliers (responsable : J. Divry) Transmettre des connaissances et des références
Plus en détailParcours en deuxième année
Parcours en deuxième année Unités d Enseignement (UE) ECTS Ingénierie des réseaux haut 4 débit Sécurité des réseaux et 4 télécoms Réseaux mobiles et sans fil 4 Réseaux télécoms et 4 convergence IP Infrastructure
Plus en détailCodage vidéo par block matching adaptatif
Traitement et analyse d'images(39) Codage vidéo par block matching adaptatif Abdelhamid Djeffal Département d informatique Université Mohamed Khider BISKRA, ALGERIE Abdelhamid_Djeffal@yahoo.fr Zine Eddine
Plus en détailContexte et motivations Les techniques envisagées Evolution des processus Conclusion
Vérification de logiciels par analyse statique Contexte et motivations Les techniques envisagées Evolution des processus Conclusion Contexte et motivations Specification Design architecture Revues and
Plus en détailSudoClick Reconnaissance de grilles de sudoku pour téléphones portables
SudoClick Reconnaissance de grilles de sudoku pour téléphones portables Patrick Anagnostaras 1 24 mai 2008 Department of Informatics - Master Project Report Département d Informatique - Departement für
Plus en détailAMÉNAGER UN COMPTOIR DE SERVICE POUR PERMETTRE LA POSITION ASSISE
FICHE TECHNIQUE #54 AMÉNAGER UN COMPTOIR DE SERVICE POUR PERMETTRE LA POSITION ASSISE Entre le bureau et le comptoir conventionnels, il est possible d aménager un comptoir de service permettant d alterner
Plus en détailMMA - Projet Capacity Planning LOUVEL Cédric. Annexe 1
Annexe 1 Résumé Gestion Capacity Planning Alternance réalisée du 08 Septembre 2014 au 19 juin 2015 aux MMA Résumé : Ma collaboration au sein de la production informatique MMA s est traduite par une intégration
Plus en détailTravail en groupe Apprendre la coopération
Travail en groupe Apprendre la coopération Travailler en groupe, en atelier peut répondre à de nombreux objectifs qui peuvent être très différents les uns des autres. Nous insisterons ici sur les pratiques
Plus en détailMachines virtuelles Cours 1 : Introduction
Machines virtuelles Cours 1 : Introduction Pierre Letouzey 1 pierre.letouzey@inria.fr PPS - Université Denis Diderot Paris 7 janvier 2012 1. Merci à Y. Régis-Gianas pour les transparents Qu est-ce qu une
Plus en détailFormations FH des opérateurs de systèmes de transport à risques
Formations FH des opérateurs de systèmes de transport à risques Jean-Yves Jollans jy.jollans@yahoo.fr IRBA/ACSO/Sécurité des systèmes complexes 1 Pourquoi s'intéresser au FH? Des événements incompréhensibles
Plus en détailAméliorer les performances du site par l'utilisation de techniques de Web Mining
Améliorer les performances du site par l'utilisation de techniques de Web Mining CLUB SAS 2001 17/18 octobre 2001 Stéfan Galissie LINCOLN stefan.galissie@lincoln.fr contact@web-datamining.net 2001 Sommaire
Plus en détailEn DV (PAL ou NTSC), la largeur est toujours de 720 pixels, c'est la proportion du pixel qui change la proportion de l'image.
En DV (PAL ou NTSC), la largeur est toujours de 720 pixels, c'est la proportion du pixel qui change la proportion de l'image. Il s agit de la notion de pixels non carrés Cette histoire de pixel non carrés
Plus en détailINF 1250 INTRODUCTION AUX BASES DE DONNÉES. Guide d étude
INF 1250 INTRODUCTION AUX BASES DE DONNÉES Guide d étude Sous la direction de Olga Mariño Télé-université Montréal (Québec) 2011 INF 1250 Introduction aux bases de données 2 INTRODUCTION Le Guide d étude
Plus en détailCollimateur universel de réglage laser
Collimateur universel de réglage laser Manuel de l utilisateur Réf. WG-840 Mise à jour 27.08.2013 En projetant un rayon laser dans l axe du canon de votre arme à feu, ce collimateur universel de réglage
Plus en détailGMEC1311 Dessin d ingénierie. Chapitre 1: Introduction
GMEC1311 Dessin d ingénierie Chapitre 1: Introduction Contenu du chapitre Introduction au dessin technique Normes Vues Traits Échelle Encadrement 2 Introduction Les dessins ou graphiques sont utilisés
Plus en détailCapteur mécanique universel HF 32/2/B
Capteur mécanique universel HF 32/2/B Instructions matériel conforme aux directives CE d emploi et d entretien MS 32/2/B R 3/3 CONSIGNES PRIORITAIRES 2 INSTALLATION DU CAPTEUR HF 32 3 4-5 INSTALLATION
Plus en détailLe Cercle Vertueux du Cloud Public
Le Cercle Vertueux du Cloud Public Le Cercle Vertueux du Cloud Public Le Cloud public rencontre un intérêt croissant auprès de tous les directeurs IT voulant planifier les stratégies informatiques de leur
Plus en détailUtilisation du module Scribe IMPORTATION DES COMPTES
Utilisation du module Scribe IMPORTATION DES COMPTES (Extrait de la documentation officelle du site http://eole.orion.education.fr, modifié pour les colléges de l'académie de Nice) 1/11 {...} 1.4. Importation
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Gilles Gasso, Stéphane Canu INSA Rouen -Département ASI Laboratoire LITIS 8 septembre 205. Ce cours est librement inspiré du cours DM de Alain Rakotomamonjy Gilles Gasso, Stéphane
Plus en détailLa cyberdéfense : un point de vue suisse
La cyberdéfense : un point de vue suisse UNIDIR - Séminaire Cybersécurité et conflits 19.11.12, Palais des Nations Gérald Vernez Del CdA CYD NON CLASSIFIE Un gros potentiel de dommages Financiers Pertes
Plus en détailDétection de la défaillance des entreprises tunisiennes par la régression logistique semi paramétrique et les réseaux de neurones
Détection de la défaillance des entreprises tunisiennes par la régression logistique semi paramétrique et les réseaux de neurones Abdeljelil Farhat Unité de recherche EAS-Mahdia Faculté des sciences économiques
Plus en détailESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring
ESSEC Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring Les méthodes d évaluation du risque de crédit pour les PME et les ménages Caractéristiques Comme les montants des crédits et des
Plus en détailVoici une demande qui revient régulièrement lors de mes rencontres avec les employeurs :
Logique dépannage La logique de dépannage dépend d une multitude d aspect, et un de ses aspects que j ai pu constater avec le temps en tant que formateur est que les techniciens industriels apprennent
Plus en détailBig Data : Risques et contre-mesures
18 mars 2014 Big Data : Risques et contre-mesures Les fondamentaux pour bien démarrer Gérôme BILLOIS gerome.billois@solucom.fr Twitter : @gbillois Chadi HANTOUCHE chadi.hantouche@solucom.fr Twitter : @chadihantouche
Plus en détailNOVEMBRE 2009 DOCUMENT FONCTIONNEL COMMUN (DOFOCO) DES APPLICATIONS BILLETTIQUES SUR MOBILE NFC
NOVEMBRE 2009 DOCUMENT FONCTIONNEL COMMUN (DOFOCO) DES APPLICATIONS BILLETTIQUES SUR MOBILE NFC Introduction Les problématiques relatives aux applications billettiques sans contact (dites NFC : Near Field
Plus en détailProfiel Toeristische en Informele Taalvaardigheid Profiel Maatschappelijke Taalvaardigheid
Certificaat Nederlands als Vreemde Taal Profiel Professionele Taalvaardigheid Profiel Taalvaardigheid Hoger Onderwijs Profiel Academische Taalvaardigheid Profiel Toeristische en Informele Taalvaardigheid
Plus en détailOrganisé 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 détailCalcul de la bande passante réelle consommée par appel suivant le codec utilisé
Voix et téléphonie sur IP Déscription : Comprendre les aspects techniques et les méthodes d analyse permettant d intégrer le transport de la voix dans un réseau IP.Les différents protocoles de signalisation
Plus en détailIntelligence précoce
Les données de procédé constituent une mine d informations très utiles pour l entreprise Geoff Artley Le secteur du raffinage est aujourd hui soumis à forte pression financière : amputation des marges,
Plus en détailQU EST-CE QUE LE DECISIONNEL?
La plupart des entreprises disposent d une masse considérable d informations sur leurs clients, leurs produits, leurs ventes Toutefois ces données sont cloisonnées par les applications utilisées ou parce
Plus en détailPAS X. PAS-X Services. Competence. Implementation. Support. Vue d ensemble des services. Portfolio des services proposés
PAS-X PAS-X Vue d ensemble des services Portfolio des services proposés En complément de ses produits Manufacturing IT, Werum propose des prestations de services complètes. La société Werum apporte son
Plus en détailTemps forts départementaux. Le calcul au cycle 2 Technique opératoire La soustraction
Temps forts départementaux Le calcul au cycle 2 Technique opératoire La soustraction Calcul au cycle 2 La soustraction fait partie du champ opératoire additif D un point de vue strictement mathématique,
Plus en détailSéance 4. Gestion de la capacité. Gestion des opérations et de la logistique 4-530-03
Gestion des opérations et de la logistique Séance 4 4-530-03 Gestion de la capacité Points importants présentés au dernier cours Les principaux types d aménagement Étude du travail et l amélioration des
Plus en détailMesure agnostique de la qualité des images.
Mesure agnostique de la qualité des images. Application en biométrie Christophe Charrier Université de Caen Basse-Normandie GREYC, UMR CNRS 6072 Caen, France 8 avril, 2013 C. Charrier NR-IQA 1 / 34 Sommaire
Plus en détailBABEL LEXIS : UN SYSTÈME ÉVOLUTIF PERMETTANT LA CRÉATION, LE STOCKAGE ET LA CONSULTATION D OBJETS HYPERMÉDIAS
Quatrième colloque hypermédias et apprentissages 275 BABEL LEXIS : UN SYSTÈME ÉVOLUTIF PERMETTANT LA CRÉATION, LE STOCKAGE ET LA CONSULTATION D OBJETS HYPERMÉDIAS Anne-Olivia LE CORNEC, Jean-Marc FARINONE,
Plus en détailL INTELLIGENCE D AFFAIRE DANS LA VIE QUOTIDIENNE D UNE ENTREPRISE
2009 L INTELLIGENCE D AFFAIRE DANS LA VIE QUOTIDIENNE D UNE ENTREPRISE Chapitre 1 : BI Une introduction La plupart des administrateurs de bases de données (DBA) ont rencontré une certaine forme de business
Plus en détailLes participants repartiront de cette formation en ayant une vision claire de la stratégie et de l éventuelle mise en œuvre d un Big Data.
Big Data De la stratégie à la mise en oeuvre Description : La formation a pour objet de brosser sans concession le tableau du Big Data. Les participants repartiront de cette formation en ayant une vision
Plus en détailU500. La nouvelle classe de performance dans la technologie des détecteurs à ultrasons
U500 La nouvelle classe de performance dans la technologie des détecteurs à ultrasons Le succès grâce à la flexibilité Une forme de boîtier deux technologies L histoire des nouvelles classes de performance
Plus en détailAlgorithmique des Systèmes Répartis Protocoles de Communications
Algorithmique des Systèmes Répartis Protocoles de Communications Master Informatique Dominique Méry Université de Lorraine 1 er avril 2014 1 / 70 Plan Communications entre processus Observation et modélisation
Plus en détailovermind La solution précède le problème 2008 Overmind - All rights reserved
La solution précède le problème Société Overmind vous propose des solutions d optimisation, d anticipation, de pilotage global capables de prendre en compte l interdépendance des variables en terme de
Plus en détailMODULE 2 : L échange et le partage de fichiers numériques
MODULE 2 : L échange et le partage de fichiers numériques Introduction Définition Actions à mettre en œuvre Bonnes pratiques Introduction Introduction Production- Vente - Consommation Télévision Documents
Plus en détailDescription des UE s du M2
Parcours en deuxième année Unités d Enseignement (UE) ECTS Ingénierie des réseaux haut 4 débit Sécurité des réseaux et 4 télécoms Réseaux mobiles et sans fil 4 Réseaux télécoms et 4 convergence IP Infrastructure
Plus en détailet les Systèmes Multidimensionnels
Le Data Warehouse et les Systèmes Multidimensionnels 1 1. Définition d un Datawarehouse (DW) Le Datawarehouse est une collection de données orientées sujet, intégrées, non volatiles et historisées, organisées
Plus en détailMDM appliqué au DM. Formation MOA 14 mai 2009. Franck GENER
MDM appliqué au DM Formation MOA 14 mai 2009 Franck GENER Plan de l intervention Thème : Transposition du MDM au DM dans les Hôpitaux Déroule les étapes conceptuelles de la construction d un référentiel
Plus en détailDocument réalisé par :
Ce document permet de situer le niveau des élèves en fin de module d apprentissage. Il peut être aussi utilisé pendant les séances d apprentissage pour aider à mesurer les acquisitions. Il donne des indications
Plus en détailDafoe Présentation de la plate-forme UIMA
Laboratoire d Informatique de l université Paris-Nord (UMR CNRS 7030) Institut Galilée - Université Paris-Nord 99, avenue Jean-Baptiste Clément 93430 Villetaneuse, France 11 juillet 2007 Plates-formes
Plus en détailConception pédagogique Multimédia
1 Conception pédagogique Multimédia Le point de vue d'un indépendant sur les tendances de la formation professionnelle en entreprise Louis Brunier 2 Sommaire 1 ère Partie 2 ème Partie 3 ème Partie 3 Première
Plus en détailProjet SINF2275 «Data mining and decision making» Projet classification et credit scoring
Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Année académique 2006-2007 Professeurs : Marco Saerens Adresse : Université catholique de Louvain Information Systems
Plus en détail- Motorisation électrique (vérins) permettant d ajuster la hauteur du plan de travail.
Publié sur Ergotechnik (http://www.ergotechnik.com) SLIMLIFT 6230 DESCRIPTION - Disponible en version droite uniquement. - Motorisation électrique (vérins) permettant d ajuster la hauteur du plan de travail.
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailAP 2nde G.T : «Organiser l information de manière visuelle et créative»
AP 2nde G.T : «Organiser l information de manière visuelle et créative» Les TICE, un mode d accès à mon autonomie bien sûr! «L'autonomie n'est pas un don! Elle ne survient pas par une sorte de miracle!
Plus en détailDESS Arts, création et technologies
DESS Arts, création et technologies Faculté des arts et des sciences DESS Arts, création et technologies ART6017 - INTERNET ET WEB Trimestre HIVER 2014 PLAN DE COURS Enseignante Courriel Marjolaine Béland
Plus en détailWhy Software Projects Escalate: The Importance of Project Management Constructs
Why Software Projects Escalate: The Importance of Project Management Constructs Why Software Projects Escalate: The Importance of Project Management Constructs 1. Introduction 2. Concepts de la gestion
Plus en détail