Le système SMART 1. Indexation

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Le système SMART 1. Indexation"

Transcription

1 Le système SMART Le système SMART (System for the Mechanical Analysis and Retrieval of Text) (aussi appelé Salton's Magic Automatic Retrieval Technique:-) est un système de RI expérimental. Il utilise le modèle vectoriel. Ce système a été construit entre 1968 et 1970 (la première version). Dans les années 1980, il a été réécrit et réorganisé. Cette nouvelle version est accessible gratuitement pour les recherches à l'adresse suivante: ftp://ftp.cs.cornell.edu/pub/smart/ Les travaux sur SMART ont été dirigés par Prof. G. Salton. Vous pouvez aussi trouver plus de descriptions sur ce système dans le livre suivant: G. Salton, The SMART Retrieval System: Experiments in Automatic Document Processing, 1971, Prentice-Hall, (Z699.4 S2 S25) Dans ce système, on peut remarquer les faits suivants: - C'est le premier système de RI expérimental est robuste. Il peut manipuler un grand nombre de documents. Pour la version actuelle, SMART peut traiter jusqu'à 500 MOctets de documents. Pour beaucoup d'applications, cette capacité est suffisante. - SMART a été programmé avec un souci d'efficacité. Les opérations d'indexation et de recherche ont été optimisées dans une certaine mesure. Ainsi, le temps de traitement est raisonnable. Par exemple, pour indexer un corpus de 150 Moctets, il faut environ 1 heur. Pour effectuer une recherche sur ce corpus, il faut 2-3 seconds (dépendant de la taille de la requête). Cette vitesse est tout à fait acceptable. Bien sûr, on peut l'optimiser encore plus. - SMART est un système flexible. C'est un système fait pour des expérimentations scientifiques (c'est-à-dire de tester des approches en pratique). Les codes sont écrits de telle manière qu'on peut les modifier assez facilement. Par exemple, il y a 2 méthodes de lemmatisation incluses dans SMART. Mais on peut très bien programmer une autre méthode de lemmatisation et de l'ajouter dans SMART. - Dans SMART, certaines nouvelles techniques ont été testées. Par exemple, la rétroaction de pertinence (relevance feedback), la classification de documents (document clustering), etc. Ces techniques ont une grande influence sur le développement de la RI. Beaucoup de système de RI actuels ont grandement bénéficié de SMART. Certain ont repris les mêmes idées, certains d'autres sont développés directement à partir de SMART (en utilisant les codes de SMART). Si on analyse les moteurs de recherche disponibles sur l'internet, on peut affirmer que SMART se compare très bien à ces moteurs, et dans beaucoup de cas, il fonctionne mieux (donne de meilleures réponses). Le but de présenter ici le système SMART est de vous montrer un système de RI concret. Vous pouvez ainsi avoir une idée sur comment faire un système de RI concrètement. C'est aussi un cadre idéal pour vous montrer comment les techniques qu'on a présentées jusqu'à là peuvent s'enchaîner pour faire la RI. Nous allons séparer les traitements en différents volets: indexation de document, indexation de requête, évaluation d'une requête, évaluation du système. 1. Indexation Un document textuel peut contenir différents champs (appelés section dans SMART). Par exemple, dans un document, on peut distinguer le titre, l'auteur, la date, et le corps. SMART

2 offre la possibilité de traiter ces champs de façon différente. Par exemple, on peut indexer les noms d'auteur d'une manière différente qu'un texte dans la partie corps. La même chose pour la date. Dans une requête, on peut aussi avoir différents champs (sections). L'indexation de document et de requête est illustrée dans la figure suivante: Document Requête Reconnaissance de sections Reconnaissance de sections Tokenisation Tokenisation Stoplist Stoplist Le prechain proch. mot Lemmatisation Lemmatisation mot le prochain section Dic Statistique sur Statistique sur proch. les occurrences les occurrences sect. le prochain document résultat_section: <no_mot, fréquence> résultat_doc: <no_doc, ctype, not_mot, fréq> résultat_section: <no_mot, fréquence> résultat_req: <no_req, ctype, not_mot, fréq> Conversion en fichier inversé et/ou de poids Conversion de poids La partie gauche correspond à l'indexation de document, et à droite, l'indexation de requête. Les deux traitements sont très similaires, à quelques détails près. L'indexation de document Reconnaissance de sections: Pour chaque document, le premier traitement est la séparation de champs (ou la reconnaissance de section). Cela se fait par des marqueurs qui annoncent le début de différentes sections. Par exemple, on peut avoir le marqueur <Title> pour annoncer que les lignes suivantes (jusqu'au prochain marqueur) correspondent au titre. <Date> marque une date, <Body> marque le début du corps du document - un plein-texte. Dans Smart, on peut définir un ensemble de marqueurs, et les actions d'indexation correspondantes. Par exemple, pour <Author>, on peut choisir une transformation spéciale pour les noms propres (transformer "Marc Gingras" en "Gingras, M."). Tokenisation: Pour chaque section que SMART doit indexer, on doit d'abord la couper en mots. Cela consiste à reconnaître les séparateurs de mots, comme ",", ";", l'espace, etc. Le résultat de ce traitement est une suite de "tokens" ou mots (dans un sens large). Stoplist: Les mots trouvés se compare avec la stoplist qui contient l'ensemble de mots qu'on ne veut pas garder comme index. Les autres mots sont soumis aux traitements suivants. Ce

3 traitement est facultatif. On peut très bien décider que tous les mots sont significatifs, et doivent être gardés. Lemmatisation: Ce traitement consiste à transformer une forme de mot en une certaine forme standard. Trois options sont offertes dans SMART: aucune lemmatisation, enlever le "s" à la fin, ou utiliser un arbre trie pour enlever la terminaison. Après la lemmatisation, la forme standard obtenue est comparée avec un dictionnaire. Dans ce dictionnaire, on stocke tous les index, et à chaque index, on attribue un numéro d'identification. Ainsi, on a la structure suivante pour le dictionnaire: <no_mot, nature, mot> où no_mot est le numéro d'identification, mot est le mot correspondant, et nature désigne la nature de ce mot (par exemple, un chiffre, un mot normal, un nom propre, ou un mot vide). La comparaison du résultat de la lemmatisation a pour le but d'obtenir le no_mot pour le mot. Si ce mot a été déjà rencontré (et donc stocké dans le dictionnaire), on reprend simplement son no_mot; sinon, le système crée un numéro automatiquement pour lui, et on ajoute une entrée dans le dictionnaire pour ce nouveau mot. Statistique: Pour chaque mot, on doit faire la statistique de sa fréquence d'occurrence dans le document. Ainsi, à chaque occurrence d'un mot, on ajoute 1 dans sa fréquence. Itérations: Dans la figure, il y a 3 itérations dans l'indexation de document: itération pour traiter chaque mot, itération pour chaque section, et itération pour chaque document. Résultat: Le résultat d'indexation pour un document est un ensemble de <no_doc, ctype, no_mot, fréq>. Si le document contient 100 mot significatifs distincts, alors il y a 100 entrées colle cela. Conversion du résultat: La conversion se fait seulement quand tous les documents ont été indexés. On peut faire deux sortes de conversions: convertir des vecteurs en fichier inversé, ou convertir les poids de termes. La première conversion consiste à trier à nouveau les résultats de l'indexation. Initialement, ils sont triés dans l'ordre croissant de no_doc. Dans un fichier inversé, ce sera trié dans l'ordre croissant de no_mot. La seconde conversion consiste à transformer le poids a chaque terme dans chaque document en un nouveau poids. La conversion dans SMART se fait en 3 étapes: 1. transformation de tf: on peut garder la fréquence obtenue comme la tf, ou bien on peut choisir à la normaliser en la divisant par la fréquence maximale dans le document, ou bien on peut la convertir en une valeur binaire (0 ou 1). 2. La tf obtenue est de l'étape 1 est multiplié par idf. À ce stade, on peut choisir différentes façons de calculer idf. Par exemple, log(n/n), ou bien 1/n, etc. 3. La troisième étape est la normalisation. On peut normaliser le poids obtenu en le divisant par la valeur maximale, ou bien par la formule Cosinus (c'est-à-dire 1/(Σ i pi 2 ) 1/2 ). À chaque étape, il y a de multiples choix. Pour en connaître plus, vous pouvez lire le fichier suivant: Indexation de requête Consultation du dictionnaire: Nous soulignons ici seulement la différence avec l'indexation de document. Après la lemmatisation, le mot obtenu est comparé avec le dictionnaire pour connaître no_mot. Si ce mot n'existe pas dans le dictionnaire, on n'ajoute pas une nouvelle entrée dans le

4 dictionnaire pour ce mot. Le mot est considéré "inconnu" par le système. En effet, il ne sert à rien d'ajouter ce mot inconnu dans le dictionnaire puisqu'il ne correspond à aucun document. On peut donc l'ignorer dans le modèle vectoriel. (Note: Dans le modèle boooléen, la traitement de mot inconnu doit être différent. Pourquoi?) Conversion: On n'a pas à convertir une requête en forme de fichier inversé. La seule conversion utile pour une requête est la conversion de poids. Ici, on utilise la même méthode que pour le document. Si on utilise idf dans la second étape, les n et N sont aussi celles des documents. Donc, on utilise la même idf que pour les documents. Itération: Dans la figure, on n'a pas inclus une itération pour traiter différentes requêtes. Cela est possible dans SMART. Par exemple, si on utilise SMART sur un corpus de test qui contient un ensemble de requ^etes, on peut très bien indexer toutes les requêtes. Mais dans une situation plus réelle, on traite généralement une requête à la fois. 2. évaluation d'une requête L'évaluation d'une requête utilise le fichier inversé des documents et le résultat d'indexation de la requête qui est une suite de no_mot et de son poids. SMART utilise le produit interne comme similarité, c'est-à-dire: Sim(d, q) = Σ i (p i * q i ) où p i et q i sont les poids d'un mot dans le document d et dans la requête q. SMART implante un calcul global pour tous les document à la fois. L'algorithme est comme suit: Initialiser Sim(d j, q) à 0 pour tout d j ; Pour chaque mot (no_mot i ) dans la requête q (avec poids q i ) faire; Trouver dans le fichier inversé tous les documents d j incluant ce mot, avec le poids p i ; Pour chaque d j dans cet ensemble faire: Sim(d j, q) = Sim(d j, q) + p i * q i À la fin de cet algorithme, on obtient la valeur de Sim pour chaque document. Cette méthode dévaluation globale est plus efficace qu'une évaluation séquentielle. Dans la méthode séquentielle, on doit comparer chaque document séparément avec la requête, et utiliser la formule théorique de Sim pour calculer la similarité. Le plus grand désavantage est qu'on doit considérer tous les documents, même ceux qui ne contiennent aucun mot de la requête. Dans l'évaluation globale utilisant le fichier inversé, on ne considère que les documents qui contiennent au moins un mot de la requête. Le nombre de documents à considérer est beaucoup réduit. Dans SMART, il est cependant possible de choisir l'évaluation séquentielle, si on veut. Dans des cas normaux, cela ne fait aucune différence dans les réponses. 4. Évaluation du système Pour évaluer la qualité d'un système, on doit tester ce système avec des corpus de test. Rappelons qu'un corpus de test contient 3 éléments: un ensemble de documents, un ensemble de requêtes, et le jugement de pertinence par un expert pour chaque requête (c'est-à-dire d'indiquer les documents du corpus qui sont pertinents à chaque requête).

5 Le système à tester doit indexer les documents, les requêtes, et produire une liste de documents comme réponses pour chaque requête. On compare ensuite les réponses du système avec celle de l'expert pour évaluer la précision et le rappel. Plus souvent, on s'intéresse à connaître l'effet d'une technique (par exemple, la lemmatisation). Dans ce cas, on peut faire un système 1 sans cette technique et un autre système 2 avec cette technique. Les autres composantes des systèmes restent les mêmes. Si système 2 fonctionne mieux que Système 1, on peut alors conclure que la technique a un effet positive. En général, pour conclure que la technique a toujours un effet positive, il faut tester cela avec plusieurs corpus de test différents. On a déjà décrit la méthode utilisée pour obtenir les valeurs de précision-rappel. Elle consiste à avancer 1 à 1dans la liste de réponses du système, et on considère à chaque étape que les documents précédant ce point constituent la réponse du système. On évalue la précision et le rappel. Ainsi, on obtient un point de précision-rappel à chaque étape. Finalement, on obtient une courbe. La courbe moyenne est calculée sur toutes les requêtes du corpus de test. On peut aussi calculer la précision moyenne sur 11 points de rappel (0.0, 0.1,, 1.0). SMART contient un ensemble de fonctions qui permettent d'évaluer la courbe précision-rappel pour un ou plusieurs systèmes et de les comparer. L'amélioration du Système 2 par rapport au Système 1 se calcule de la façon suivante: Amélioration = (P2 - P1) / P1 où P1 et P2 sont les performances des systèmes 1 et 2 (qui peut être une précision, un rappel, ou la précision moyenne). 5. Rétroaction de la pertinence (Relevance feedback) Cette technique a été inventé par Roccio, un membre dans l'équipe SMART. L'idée de la rétroaction est qu'après une première évaluation du système, l'utilisateur, en lisant les réponses, peut indiquer ceux qui sont pertinents, et ceux qui ne sont pas. Avec ces indications, le système peut reformuler la requête. La nouvelle requête peut devenir plus proche des documents pertinents et plus loin des documents non-pertinents. Pour mieux comprendre l'effet de la rétroaction, il faut mentionner que la requête d'un usager souvent ne décrit pas très bien son besoin d'information. Par exemple, un usager peut utiliser la requête "bases de données et gestion" pour décrire son besoin sur "l'utilisation de bases de données dans la gestion". Or, la requête donnée ne donne pas autant de précision. En effet, on peut très bien interpréter la requête comme "gestion de bases de données". A part l'interprétation ambiguë, on trouve plus souvent des requêtes dans lesquelles les concepts importants sont manquants. Ainsi, l'idée de la rétroaction est d'essayer de saisir plus précisément le besoin de l'usager à travers les documents qu'il a jugés. La nouvelle requête tente de se modifier pour devenir plus similaire aux documents pertinents, et moins similaires aux documents nonpertinents. La formule générale de réformulation de Roccio est la suivante: q' = α * q + β * Doc_Pert - γ * Doc_Npert.

6 où q et q' sont les vecteurs de l'ancienne et la nouvelle requêtes, Doc_Pert et Doc_Npert sont les centroïdes des documents pertinents et non-pertinents, α,β et γ sont les 3 paramètres qui règlent l'importance de chaque élément dans la nouvelle requête. Ces 3 paramètres sont fixes. Pour obtenir la nouvelle requête q', on doit d'abord calculer les deux centroïdes. Ce sont les vecteurs moyens de tous les documents pertinents et non-pertinents jugés par l'usager. Ensuite, pour chaque terme (dimension dans l'espace vectoriel), le nouveau poids du terme est p' = α * p + β * p pert - γ * p npert En pratique, on n'a pas besoin de calculer cela pour tous les termes de l'espace vectoriel, mais seulement les termes concernés (qui apparaissent dans q, Doc_Pert ou Doc_Npert). Par exemple, soit un espace vectoriel à 5 dimensions. La requête initiale est la suivante: t1 t2 t3 t4 t5 q = <1, 2, 0, 1, 0> Les 2 document pertinents que l'usager a jugés sont: d p1 = <2, 0, 1, 1, 0> d p2 = <1, 1, 1, 0, 0> et les document non-pertinents: d n1 = <0, 1, 0, 1, 1> d n2 = <0, 1, 0, 2, 0> Les vecteurs centroïdes sont: d p = <1.5, 0.5, 1, 0.5, 0> d n = <0, 1, 0, 1.5, 0.5> Soit α=1, β=0.5, γ=0.5, la nouvelle requête est la suivante: q' = <1.75, 1.75, 0.5, 0.5, -0.25> Si on compare q' avec q, on voit que le poids de t1 a beaucoup augmenté. La raison est que dans les deux documents pertinents, t1 a un poids fort; tandis que dans les documents non-pertinents, ses poids sont nuls. Donc, on peut croire que les documents pertinents pour l'usager doit avoir un poids fort sur t1. Par contre, le poids de t4 a diminué de 1 à 0.5. C'est parce que t4 apparaît plus dans les documents non-pertinents que dans les documents pertinents. Ainsi, son apparition est vue plutôt comme un signe de non-pertinence. Donc, son poids dans la nouvelle requête est diminué. Il y a aussi un poids négatif dans q'. Ceci signifie que l'apparition de t5 est un signe totalement négatif. Donc, quand il apparaît dans un document, on diminue la similarité du document. Globalement, on peut voir le changement dans la nouvelle requête comme le changement dans la direction des documents non-pertinents vers les documents pertinents. On peut illustrer cela comme la figure suivante: Corpus * * x * x x x x x x * * x x x * * x * * x x x * * * x * * x x x x x * * x x x x * x x x x x x * x q' q

7 Dans cette figure, q et q' correspond à tous les documents que q et q' permettent de retrouver comme réponse. Les points noirs corresponds aux centroïdes des documents pertinents et nonpertinents jugés par l'usager. La flèche entre eux illustre la direction de changement qu'on apporte à la requête. Ainsi, la nouvelle requête est changée de l'ancienne requête dans cette direction. L'effet est donc de s'approcher plus aux documents pertinents et de s'éloigner des documents non-pertinents. Ici, on fait l'hypothèse que les documents pertinents seront similaires à ceux jugés par l'usager, ainsi que pour les documents non-pertinents. Dans ce cas, on peut espérer retrouver plus de documents pertinents et moins de documents non-pertinents avec la nouvelle requête. Dans le cas ou il n'y a pas cette similarité, l'effet sera imprévisible. En pratique, il existe une certaine similarité au sein des documents pertinents même si on ne peut pas en dire autant pour les documents non-pertinents. Ainsi, certains suggèrent de définir γ=0 pour ne pas utiliser les documents nopn-pertinents comme contre-exemples. La définition des 3 paramètres dépende du corpus et de la précision de la requête de l'usager. En général, on définit un α plus grand que β. Il n'est pas nécessaire non plus de tenir compte de tous les termes dans les documents pertinents et non-pertinents. En effet, beaucoup de termes peuvent apparaître dans ces documents par hasard. Ainsi, on utilise généralement les termes les plus forts de ces documents pour réformuler la requête (par exemple, 100 termes les plus forts).

MÉRÉ Aurélien FIIFO1. Pathfinder

MÉRÉ Aurélien FIIFO1. Pathfinder MÉRÉ Aurélien FIIFO1 AMC Pathfinder 1 Sommaire Préambule... 3 Modélisation de l espace... 4 Modélisation des cases δ, α... 4 Interface en mode texte... 5 Modélisation du robot... 8 1 ) Le type Robot...

Plus en détail

CH.2 CODES CORRECTEURS

CH.2 CODES CORRECTEURS CH.2 CODES CORRECTEURS 2.1 Le canal bruité 2.2 La distance de Hamming 2.3 Les codes linéaires 2.4 Les codes de Reed-Muller 2.5 Les codes circulaires 2.6 Le câblage des codes circulaires 2.7 Les performances

Plus en détail

Navigateur généalogique 1 / 10

Navigateur généalogique 1 / 10 Navigateur généalogique 1 / 10 Navigateur généalogique Mode d'emploi du logiciel «NaviGeneal.exe» de Marcel Délèze Version du logiciel 2015-09-29, version du mode d'emploi : 2015-09-29 NaviGeneal permet

Plus en détail

Pour utiliser les menus statistiques fournis par excel

Pour utiliser les menus statistiques fournis par excel Pour utiliser les menus statistiques fournis par excel Préalable: Dans Outils/Macro complémentaires, cocher si ce n'est pas déjà fait "utilitaires d'analyse": Partie 1 Analyse de variance A] Plan S n

Plus en détail

Boîte à outils mathématiques de base pour l infographie et l animation par ordinateur. Yves Chiricota, professeur DIM, UQAC Cours 8TRD147

Boîte à outils mathématiques de base pour l infographie et l animation par ordinateur. Yves Chiricota, professeur DIM, UQAC Cours 8TRD147 Boîte à outils mathématiques de base pour l infographie et l animation par ordinateur Yves Chiricota, professeur DIM, UQAC Cours 8TRD147 14 Janvier 2015 2 Il est impossible d envisager l étude des méthodes

Plus en détail

CODES CORRECTEURS D'ERREURS

CODES CORRECTEURS D'ERREURS CODES CORRECTEURS D'ERREURS Marc URO TABLE DES MATIÈRES DÉTECTION ET CORRECTION D'ERREURS... 6 CAS D'UN CANAL SANS SYMBOLE D'EFFACEMENT...6 CAS D'UN CANAL AVEC SYMBOLE D'EFFACEMENT...7 GÉNÉRATION ET DÉTECTION

Plus en détail

Algorithmique et Structures de Données

Algorithmique et Structures de Données 1.1 Algorithmique et Structures de Données Jean-Charles Régin Licence Informatique 2ème année 1.2 Itérations Jean-Charles Régin Licence Informatique 2ème année Itération : définition 3 En informatique,

Plus en détail

Couper en deux, encore et encore : la dichotomie

Couper en deux, encore et encore : la dichotomie Couper en deux, encore et encore : la dichotomie I : Jeu du nombre inconnu Un élève volontaire choisit un nombre entier compris entre 0 et 56. Un autre élève cherche à deviner ce nombre, en adoptant la

Plus en détail

Machines de Turing. Chapitre 14 14.1. DÉFINITION ET FONCTIONNEMENT

Machines de Turing. Chapitre 14 14.1. DÉFINITION ET FONCTIONNEMENT Chapitre 4 Machines de Turing Dans ce chapitre on présente un modèle de calcul introduit dans les années 3 par Turing, les machines de Turing. Ces machines formalisent la notion de calculabilité. La thèse

Plus en détail

Plan. Bases de données. Cours 5 : Optimisation des requêtes. Exemple pour la suite du cours. Principe d'évaluation d'une requête. Polytech Paris-Sud

Plan. Bases de données. Cours 5 : Optimisation des requêtes. Exemple pour la suite du cours. Principe d'évaluation d'une requête. Polytech Paris-Sud Plan ases de données Polytech Paris-Sud Apprentis 4 ème année Cours 5 : Optimisation des requêtes kn@lri.fr http://www.lri.fr/~kn 1 Rappels 2 Stockage 3 Indexation 4 Optimisation des opérateurs 5 Optimisation

Plus en détail

Chapitre 7 Tests d hypothèse (partie 1)

Chapitre 7 Tests d hypothèse (partie 1) Chapitre 7 Tests d hypothèse (partie 1) I Qu est ce qu un test statistique? La philosophie est toujours la même : déterminer des informations sur une population à partir d informations sur un échantillon

Plus en détail

Microsoft. Office. Manuel. Trier et filtrer des données

Microsoft. Office. Manuel. Trier et filtrer des données Microsoft Office Manuel Trier et filtrer des données Table des matières 1 INTRODUCTION... 1 2 FRACTIONNER SIMPLEMENT LE CONTENU DE DIFFÉRENTES CELLULES DANS DES COLONNES DISTINCTES... 2 3 TRIER RAPIDEMENT

Plus en détail

Bienvenue dans l'application des Classiques Garnier Numérique.

Bienvenue dans l'application des Classiques Garnier Numérique. Bienvenue dans l'application des Classiques Garnier Numérique. Ce document décrit les fonctions de l'application. Cliquer sur les rubriques du Sommaire. Fenêtres de l'application Dans le bandeau supérieur:

Plus en détail

Devoir surveillé d'informatique UE INF121 durée : 2h00

Devoir surveillé d'informatique UE INF121 durée : 2h00 Devoir surveillé d'informatique UE INF121 durée : 2h00 Répondez sur le sujet. Ne vous ez pas à la taille des pointillés : la taille des pointillés ne correspond pas forcément à la taille de la réponse.

Plus en détail

La stratégie de recherche Elle peut se traduire en 8 étapes. analyser précisément son besoin d'information préparer sa recherche Choisir des sources

La stratégie de recherche Elle peut se traduire en 8 étapes. analyser précisément son besoin d'information préparer sa recherche Choisir des sources La stratégie de recherche Définition Elle doit guider la totalité de votre travail de recherche. Elle permet d'utiliser au mieux les outils de recherche qui existent. Les outils de recherche sont : 9 les

Plus en détail

Formation ELAN Fonctions avancées - 1

Formation ELAN Fonctions avancées - 1 Formation ELAN Fonctions avancées - 1 Organisation de la session Ce que je ne vais pas reprendre dans cette formation (sauf si besoin) : Ouverture et présentation générale du logiciel ; Création d'annotations

Plus en détail

IUT Nice-Côte d Azur Informatique appliquée 2005 2006. TP N o 4. Tableur : affichage et impression

IUT Nice-Côte d Azur Informatique appliquée 2005 2006. TP N o 4. Tableur : affichage et impression 1 IUT Nice-Côte d Azur TC-Nice 1 re année Informatique appliquée 2005 2006 TP N o 4 Tableur : affichage et impression I Options d affichage Les options concernant l affichage dans les feuilles de calcul

Plus en détail

Initiation Access 2003

Initiation Access 2003 Initiation Access 2003 Sommaire Introduction...3 1. Création d une base...3 1.1. Modélisation...3 1.2. Création de la base...4 2. Les tables...5 2.1. Création d'une table en mode Création...5 2.2. Les

Plus en détail

Word 2000 FR. Mailing - bases

Word 2000 FR. Mailing - bases Word 2000 FR Mailing - bases Word 2000 FR sur Windows 2000 UK Chambre des représentants, BXL 2006 Par PASCAL CAMBIER http://pascal.cambier.eu 1 Table des matières 1 Table des matières... 2 2 Généralités...

Plus en détail

Chapitre 2 : Cycles de vie logiciel et méthodes de développement G L & A G L 2 0 1 4 / 2 0 1 5

Chapitre 2 : Cycles de vie logiciel et méthodes de développement G L & A G L 2 0 1 4 / 2 0 1 5 Chapitre 2 : Cycles de vie logiciel et méthodes de développement G L & A G L 2 0 1 4 / 2 0 1 5 Plan Chapitre 2 Modèles de cycles de vie Méthodes de développement : Méthode lourde Méthode agile Exemple

Plus en détail

Chapitre IV Bases et dimension d un espace vectoriel

Chapitre IV Bases et dimension d un espace vectoriel Chapitre IV Bases et dimension d un espace vectoriel Objectif : Nous allons voir comment fabriquer des systèmes de coordonnées pour les vecteurs d un espace vectoriel général. Dans ce chapitre désigne

Plus en détail

Chapitre 2 Catégorisation de textes et apprentissage numérique : état de l'art

Chapitre 2 Catégorisation de textes et apprentissage numérique : état de l'art Chapitre 2 : Catégorisation de textes et apprentissage numérique : état de l'art 11 Chapitre 2 Catégorisation de textes et apprentissage numérique : état de l'art Afin de mettre l'apport proposé dans ce

Plus en détail

DIU Infirmières de Santé au Travail - IDF. Service Central de Santé au Travail de l AP-HP PLAN DE COURS

DIU Infirmières de Santé au Travail - IDF. Service Central de Santé au Travail de l AP-HP PLAN DE COURS DIU Infirmières de Santé au Travail - IDF Faculté de Médecine Paris VII - Denis Diderot Mardi 7 juin 2016 STATISTIQUES EN SANTE AU TRAVAIL : NOTIONS ESSENTIELLES Service Central de Santé au Travail de

Plus en détail

IV. Système de Gestion des Fichiers. 2. La structure sur disque logique d'un système de fichier. 3. Répartition physique des fichiers en blocs

IV. Système de Gestion des Fichiers. 2. La structure sur disque logique d'un système de fichier. 3. Répartition physique des fichiers en blocs IV. Système de Gestion des Fichiers 1. Représentation interne du SGF 2. La structure sur disque logique d'un système de fichier 3. Répartition physique des fichiers en blocs 1 1. Représentation interne

Plus en détail

Manuel utilisateur. Développement d'un logiciel de recherche d'images. LAMBERT VELLER Sylvain MARTINS David

Manuel utilisateur. Développement d'un logiciel de recherche d'images. LAMBERT VELLER Sylvain MARTINS David Manuel utilisateur Développement d'un logiciel de recherche d'images LAMBERT VELLER Sylvain MARTINS David M1 STIC Université de Bourgogne 2010-2011 Table des matières 1 Introduction 1 I Administration

Plus en détail

SEO Camp'us -4 et 5 février 2009. Directeur du pôle métiers Aposition

SEO Camp'us -4 et 5 février 2009. Directeur du pôle métiers Aposition L'apport de la sémantique et de la linguistique statistique pour le SEO SEO Camp'us -4 et 5 février 2009 Philippe YONNET Directeur du pôle métiers Aposition Président de l association SEOCamp Comment classer

Plus en détail

I) Deux propriétés importantes Propriété 1 Si A est multiple de B et B est un multiple de n, alors A est un multiple de n.

I) Deux propriétés importantes Propriété 1 Si A est multiple de B et B est un multiple de n, alors A est un multiple de n. Extrait de cours de maths de 5e Chapitre 1 : Arithmétique Définition 1. Multiples et diviseurs Si, dans une division de D par d, le reste est nul, alors on dit que D est un multiple de d, que d est un

Plus en détail

Voyons tout d'abord comment rédiger une page web avec votre blog-boutique.

Voyons tout d'abord comment rédiger une page web avec votre blog-boutique. Elearning > Les secrets de l'écriture web RÉDIGER DES PAGES POUR CRÉER LA CONFIANCE Programme du cours : Comment rédiger une page web Rédiger des conditions générales de vente Présenter votre société Créer

Plus en détail

EXPÉRIENCE EN CLASSE SUR LE TABLEUR

EXPÉRIENCE EN CLASSE SUR LE TABLEUR EXPÉRIENCE EN CLASSE SUR LE TABLEUR Thème : STATISTIQUES en ème Alain JUILLAC (Collège Condorcet - Puy Guillaume) Véronique JUILLAC (Lycée Montdory - Thiers) Cet article est paru sur le Bulletin Vert de

Plus en détail

Bases de données documentaires et distribuées Cours NFE04

Bases 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 détail

Baccalauréat Série S Métropole, juin 2014

Baccalauréat Série S Métropole, juin 2014 Baccalauréat Série S Métropole, juin 4 Sujet et Corrigé Stéphane PASQUET Disponible sur http://www.mathweb.fr juin 4 Exercice (5 points) - Commun à tous les candidats Partie A Dans le plan muni d un repère

Plus en détail

L3 Info & Miage. TP-Projet SGF

L3 Info & Miage. TP-Projet SGF TP-Projet SGF 1. Introduction L objectif de ce mini-projet est de réaliser un Système de Gestion de Fichiers simplifié capable de gérer des accès à des fichiers séquentiels de type flot. L idée est ici

Plus en détail

Analyse de la complexité algorithmique (1)

Analyse de la complexité algorithmique (1) Analyse de la complexité algorithmique (1) L analyse de la complexité telle que nous l avons vue jusqu à présent nous a essentiellement servi à déterminer si un problème est ou non facile (i.e. soluble

Plus en détail

Introduction au langage SQL

Introduction au langage SQL Introduction au langage SQL Les bases de données relationnelles Le langage SQL est un langage universel destiné à travailler sur des bases de données relationnelles. Nous considérerons ici qu'une base

Plus en détail

Observatoire des DPE

Observatoire des DPE GUIDE UTILISATEUR Version. du 15/06/2010 Page 1/32 Sommaire : 1. PREAMBULE 3 2. INTRODUCTION 3 3. TROUVER UN DPE 6 4. RECHERCHER UN DIAGNOSTIQUEUR 8 5. SIMULER UN DPE 10 5.1. Description générale des types

Plus en détail

Maîtriser le binaire et les conversions réciproques binaire-décimal.

Maîtriser le binaire et les conversions réciproques binaire-décimal. Support Réseau des Accès Utilisateurs SI 2 BTS Services Informatiques aux Organisations 1 ère année Support Réseau des Accès Utilisateurs Objectifs : Chapitre 1 : Codage de l'information Le système binaire

Plus en détail

Club Gestion des Connaissances. Site web. Manuel utilisateur

Club Gestion des Connaissances. Site web. Manuel utilisateur Club Gestion des Connaissances Site web Manuel utilisateur Version 2.0 Auteur : Aciade (www.aciade.fr) Table des matières 1. Introduction...3 2. Connexion / Déconnexion...3 3. Le menu de gauche pour les

Plus en détail

4. ASTUCES PRATIQUES À CONNAÎTRE POUR UTILISER EFFICACEMENT GOOGLE ANALYTICS

4. ASTUCES PRATIQUES À CONNAÎTRE POUR UTILISER EFFICACEMENT GOOGLE ANALYTICS Formations > Nouveau - Analysez votre trafic efficacement avec Google Analytics 4. ASTUCES PRATIQUES À CONNAÎTRE POUR UTILISER EFFICACEMENT GOOGLE ANALYTICS Maintenant que vous vous êtes familiarisé avec

Plus en détail

Dans cette définition, il y a trois notions clés: documents, requête, pertinence.

Dans 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 détail

DOCUMENTATION MOODLE 103

DOCUMENTATION MOODLE 103 DOCUMENTATION MOODLE 103 Document de référence en soutien à la formation La formation Moodle 103 introduit aux participants l activité «Test» de Moodle qui permet de réaliser, à partir de différents types

Plus en détail

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Arts & Métiers Filière PSI

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Arts & Métiers Filière PSI Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Arts & Métiers Filière PSI Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes

Plus en détail

M2 Informatique/Réseaux Université Pierre et Marie Curie UE APMM

M2 Informatique/Réseaux Université Pierre et Marie Curie UE APMM TD TECHNIQUES DE CODAGE ET DE COMPRESSION. LANGAGE / CODAGE / VALENCE.. Rappels Toute fraction intelligible d un message est constituée de symboles. Le langage est l ensemble de ces symboles. Un codage

Plus en détail

Saisir dans EXCEL les résultats du bac comme dans le tableau suivant (cf. figure n 1).

Saisir dans EXCEL les résultats du bac comme dans le tableau suivant (cf. figure n 1). TP n 2 - Calcul du Khi2 Le but de ce TP est de réaliser, à l'aide d'excel, un modèle réutilisable d'analyse bivarié entre des variables qualitatives. Ce modèle permet d aller de la saisie dans un tableau

Plus en détail

Chapitre 8: Inférence, échantillonnage et estimation

Chapitre 8: Inférence, échantillonnage et estimation Chapitre 8: Inférence, échantillonnage et estimation 1. Echantillonnage aléatoire simple 2. Inférence statistique 3. Estimation 4. Evaluation graphique de l adéquation d un modèle de distribution 1 L inférence

Plus en détail

ÉLÉMENTS D OPTIMISATION. Complément au cours et au livre de MTH 1101 - CALCUL I

ÉLÉMENTS D OPTIMISATION. Complément au cours et au livre de MTH 1101 - CALCUL I ÉLÉMENTS D OPTIMISATION Complément au cours et au livre de MTH 1101 - CALCUL I CHARLES AUDET DÉPARTEMENT DE MATHÉMATIQUES ET DE GÉNIE INDUSTRIEL ÉCOLE POLYTECHNIQUE DE MONTRÉAL Hiver 2011 1 Introduction

Plus en détail

Rapport de stage Mise à plat d'un polygone

Rapport de stage Mise à plat d'un polygone Rapport de stage Mise à plat d'un polygone Stagiaire : Sejjil Olfa Tuteurs de stage: Luc BIARD et Bernard LACOLLE Laboratoire: Jean Kuntzmann (LJK) Equipe: Modélisation Géométrique & Multirésolution pour

Plus en détail

TD1, sur la Régression Logistique (STA 2211)

TD1, sur la Régression Logistique (STA 2211) TD, sur la Régression Logistique STA 22) Exercice : Un sondage international cité dans un article de presse le 4 décembre 2004) rapportait le faible taux d approbation de la politique du Président des

Plus en détail

Word Support de cours

Word Support de cours Publipostage avec l assistant Réaliser un publipostage consiste à fusionner un document principal (lettres types, enveloppes, étiquettes ou catalogues) contenant un texte commun avec une source de données

Plus en détail

Le Saux Loïc Tanguy Brewal. Enquête d opinion sur la dégradation de la qualité de la télévision française dans le temps

Le Saux Loïc Tanguy Brewal. Enquête d opinion sur la dégradation de la qualité de la télévision française dans le temps Le Saux Loïc Tanguy Brewal Enquête d opinion sur la dégradation de la qualité de la télévision française dans le temps Traitement des enquêtes M1 ISC 2007/2008 Sommaire Introduction... 3 I ANALYSE DESCRIPTIVE

Plus en détail

par Jean-François Deslandes

par Jean-François Deslandes GUIDE EXCEL POUR LA STATISTIQUE par Jean-François Deslandes Automne 2000 2 Table des matières RAPPORT DE TABLEAU CROISÉ DYNAMIQUE 4 CONSTRUCTION D'UN TABLEAU DE FRÉQUENCE POUR UNE VARIABLE UNIQUE 4 DISTRIBUTION

Plus en détail

La Grille, moyen fondamental de l analyse

La Grille, moyen fondamental de l analyse Fiche méthodologie #1 La Grille, moyen fondamental de l analyse Cette rubrique présente des notes et documents publiés par Philippe Latour, enseignant au Master Géomarketing et stratégies territoriales

Plus en détail

Luc PONSONNET Lycée Bonaparte 83000 Toulon Académie de Nice TRAAM 2013-2014 Page 1

Luc PONSONNET Lycée Bonaparte 83000 Toulon Académie de Nice TRAAM 2013-2014 Page 1 Luc PONSONNET - Académie de Nice - TraAM 2013-2014 " L ENORME SAUT DE THIERRY NEUVILLE AU RALLYE DE FINLANDE" Niveau de la classe : première scientifique Testée avec une classe de première scientifique

Plus en détail

Tableau R : 255 0 0 255 255 0. Tableau G : 0 255 255 255 255 0. Tableau B : 0 0 255 0 255 0. Chaque carré représente un pixel

Tableau R : 255 0 0 255 255 0. Tableau G : 0 255 255 255 255 0. Tableau B : 0 0 255 0 255 0. Chaque carré représente un pixel Mini-Projet n 2 : Jouer avec les images. A rendre pour le lundi 14 novembre 2011 avant midi. Introduction : Une image est un ensemble de pixels dont chacun est défini par trois valeurs, que l'on note R,

Plus en détail

Releasenotes FR 5.5.6.17. Nouveautés... 3. Contrôle supplémentaire sur les bons de réduction... 3. Optimisation de l'index de recherche...

Releasenotes FR 5.5.6.17. Nouveautés... 3. Contrôle supplémentaire sur les bons de réduction... 3. Optimisation de l'index de recherche... INHOUD Nouveautés... 3 Contrôle supplémentaire sur les bons de réduction... 3 Optimisation de l'index de recherche... 3 Commande maximum pour mode de livraison peut rester vide... 3 Noms de firme et de

Plus en détail

Compression Compression par dictionnaires

Compression Compression par dictionnaires Compression Compression par dictionnaires E. Jeandel Compression par dictionnaire Principe : Avoir une liste des mots fréquents ; Lorsqu on trouve un mot dans la liste, remplacer ce mot par sa position

Plus en détail

11.1 Comparaison : la logique floue et logique classique

11.1 Comparaison : la logique floue et logique classique Chapitre Logique floue Ce chapitre présente une méthode moderne de contrôle, la logique floue. La logique floue diffère de la logique classique parce qu elle permet des définitions partielles ou floues

Plus en détail

Sujet Métropole 2013 EXERCICE 1. [4 pts] Probabilités

Sujet Métropole 2013 EXERCICE 1. [4 pts] Probabilités Sujet Métropole 01 EXERIE 1. [4 pts] Probabilités Une jardinerie vend de jeunes plants d arbres qui proviennent de trois horticulteurs : 5% des plants proviennent de l horticulteur H 1, 5% de l horticulteur

Plus en détail

18 Informatique graphique

18 Informatique graphique Avant-propos En 1988, les Editions Hermès publiaient un ouvrage intitulé La synthèse d'images, qui présentait un état de l'art de ce domaine de l'informatique, vingt cinq ans environ après l'introduction

Plus en détail

SONDAGE DANS LA MISSION D AUDIT UNITE MONETAIRE. Fethi NEJI & Mounir GRAJA

SONDAGE DANS LA MISSION D AUDIT UNITE MONETAIRE. Fethi NEJI & Mounir GRAJA SONDAGE DANS LA MISSION D AUDIT UNITE MONETAIRE Le sondage est une sélection d'éléments que l'auditeur décide d'examiner afin de tirer, en fonction des résultats obtenus, une conclusion sur les caractéristiques

Plus en détail

Hop! Étude - Guide d utilisation

Hop! Étude - Guide d utilisation Hop! Étude - Guide d utilisation Survol du logiciel.................................................................page 2 Créer un nouveau document.........................................................page

Plus en détail

COMMENT DRESSER UNE LISTE DE MOTS CLÉS EFFICACE?

COMMENT DRESSER UNE LISTE DE MOTS CLÉS EFFICACE? Elearning > Vendez tout de suite grâce à Adwords LANCEMENT - CHOISIR LES BONS MOTS CLÉS Pour faire apparaitre vos annonces dans un contexte qui correspond à ce que vous proposez sur votre site, il faut

Plus en détail

Le générateur d états

Le générateur d états Le générateur d états XLPos pour Windows Lancer le générateur d états Lancer le générateur d états... 119 Ouvrir un dictionnaire de données... 119 Ouvrir un état... 121 Réouvrir un état... 122 Présentation

Plus en détail

Obtenir un document 21-10-2013

Obtenir un document 21-10-2013 Table of Contents 1. Généralités...1 2. Accéder au module de fourniture de documents...2 3. Revenir au module de recherche Sudoc...4 4. Remplir les champs d'une demande de prêt...5 4.1. Options de livraison...5

Plus en détail

La génération d XBRL? Aussi simple qu'une base de données.

La génération d XBRL? Aussi simple qu'une base de données. La génération d XBRL? Aussi simple qu'une base de données. Christelle BERNHARD - christelle.bernhard@addactis.com Consultante et Responsable du progiciel ADDACTIS Pillar3 INTRODUCTION La nécessité de transparence

Plus en détail

COTATION BANQUE DE FRANCE UNE ÉVALUATION DES PERFORMANCES

COTATION BANQUE DE FRANCE UNE ÉVALUATION DES PERFORMANCES COTATION BANQUE DE FRANCE UNE ÉVALUATION DES PERFORMANCES Juin 2015 SOMMAIRE 1. Précisions sur la cotation Banque de France et les statistiques présentées... 4 2. Statistiques 2015... 6 2.1. Discrimination

Plus en détail

Tous les autres noms de produits ou appellations sont des marques déposées ou des noms commerciaux appartenant à leurs propriétaires respectifs.

Tous les autres noms de produits ou appellations sont des marques déposées ou des noms commerciaux appartenant à leurs propriétaires respectifs. 4D v11 SQL - les index de mots-clés Par Josh FLETCHER, Ingénieur support technique, 4D Inc. Note technique 4D-200809-18-FR Version 1 - Date 1 septembre 2008 Résumé Cette note technique couvre la nouvelle

Plus en détail

INÉQUATIONS. Notations Inéquations Représentations graphiques 1 ]a ; b[ a < x < b

INÉQUATIONS. Notations Inéquations Représentations graphiques 1 ]a ; b[ a < x < b 27 5. Inéquations 5.1. Définition Exemple : x < 4 + 2x La droite réelle Le symbole utilisé pour les intervalles infinis est une notation et ne représente pas un nombre réel. Une inéquation affirme que

Plus en détail

Contrôle objet du modèle AROME avec le logiciel MODE développé au NCAR

Contrôle objet du modèle AROME avec le logiciel MODE développé au NCAR Toulouse le 08 Octobre 2014 Contrôle objet du modèle AROME avec le logiciel MODE développé au NCAR Travail réalisé par RAZAGUI Abdelhak sous la direction de Joël STEIN Période du 13 septembre au 11 Octobre

Plus en détail

Intégration de polynômes Points de Gauss

Intégration de polynômes Points de Gauss Intégration de polynômes Points de Gauss Commençons par un exercice classique de premier cycle. Problème 1 Trouver trois réels α, β et γ tels que, pour tout polynôme P de degré au plus 2, on ait : ( )

Plus en détail

Rolf Wipfli & Baptiste Ossipow 1.4.2007

Rolf Wipfli & Baptiste Ossipow 1.4.2007 Plan test d'utilisation Dans notre test d'utilisation nous voulons évaluer le site Jobber [1]. Notre but est tout d'abord de vérifier l'utilisabilité du site, donc de tester si les fonctionnalités qui

Plus en détail

8. Analyse de l'information (I): Invariant et composantes

8. Analyse de l'information (I): Invariant et composantes 8. Analyse de l'information (I): Invariant et composantes A. Nombre de composantes et conséquences sur la construction 14 La représentation graphique d une information est précédée par son analyse qui

Plus en détail

Erik PERNOD Calcul Scientifique 3 ème Année RESEAUX DE NEURONES

Erik PERNOD Calcul Scientifique 3 ème Année RESEAUX DE NEURONES Erik PERNOD Calcul Scientifique 3 ème Année RESEAUX DE NEURONES 1 TABLE DES MATIERES TABLE DES MATIERES... 2 I PERCEPTRON SIMPLE... 3 I.1 Introduction... 3 I.2 Algorithme... 3 I.3 Résultats... 4 1er exemple

Plus en détail

Laboratoire 2 Extraction des caractéristiques

Laboratoire 2 Extraction des caractéristiques Laboratoire 2 Extraction des caractéristiques L objectif de l extraction et de la sélection de caractéristiques est d identifier les caractéristiques importantes pour la discrimination entre classes. Après

Plus en détail

3 Droite. Vecteur directeur, vecteur normal. Positions relatives de deux droites. GA2D-Cours.nb 2. Vecteur directeur

3 Droite. Vecteur directeur, vecteur normal. Positions relatives de deux droites. GA2D-Cours.nb 2. Vecteur directeur GAD-Cours.nb 1 Géométrie métrique -ème année niveau avancé Edition 007-008 3-ème année niveau standard DELM 3 et 4 Géométrie analytique D Liens hypertextes Exercices de géométrie analytique D: http://www.deleze.name/marcel/sec/cours/geomanalytiqued/gad-exercices.pdf

Plus en détail

Utilisation des opérateurs sur les bits en PHP

Utilisation des opérateurs sur les bits en PHP Introduction Comme vous le savez sans doute, un processeur ne connaît ni les nombres entiers ni les nombres réels, ni les chaînes de caractères. La seule chose que votre processeur sait traiter ce sont

Plus en détail

Algorithmique - Correction du TD2

Algorithmique - Correction du TD2 Algorithmique - Correction du TD2 IUT 1ère Année 5 octobre 2012 1 Les tests Exercice 1. Construire un arbre de décision et l algorithme correspondant permettant de déterminer la catégorie sportive d un

Plus en détail

Crésus-comptabilité NMC

Crésus-comptabilité NMC 1 Crésus-comptabilité NMC Tables des matières 1. Introduction 3 1.1 Conventions dans ce manuel 3 1.2 Matériel et logiciel nécessaires 3 1.3 Installation 3 1.4 L'aide sur écran 3 2. Fonctionnement 4 2.1

Plus en détail

FSIV p. 1 Menu OUTILS -Commandes par lot KiGu. Faststone Image Viewer Gestion Fichiers (Menu Outils commandes LOT) FSIV42_GestionFichierBatch_v20.

FSIV p. 1 Menu OUTILS -Commandes par lot KiGu. Faststone Image Viewer Gestion Fichiers (Menu Outils commandes LOT) FSIV42_GestionFichierBatch_v20. FSIV p. 1 Faststone Image Viewer Gestion Fichiers (Menu Outils commandes LOT) Contenu Contenu...1 Les commandes par lot (Menu "outils")...2 Intro...2 Renommer les images sélectionnées...3 Syntaxe des noms

Plus en détail

QUE SIGNIFIE "OPTIMISER POUR LES MOTEURS DE RECHERCHE"?

QUE SIGNIFIE OPTIMISER POUR LES MOTEURS DE RECHERCHE? Elearning > Les bonnes pratiques du référencement L'OPTIMISATION DES PAGES DU SITE Programme du cours : Optimiser les titre de vos billets et de vos produits Optimiser les contenus de vos textes Travailler

Plus en détail

Utilisation de Microsoft Access - 2ème partie

Utilisation de Microsoft Access - 2ème partie Utilisation de Microsoft Access - 2ème partie 8 Créer des formulaires et des requêtes Les formulaires sont des objets permettant de réaliser des écrans de présentation ou vues sur les données de la base.

Plus en détail

COMITÉ D ÉTHIQUE DE SANTÉ PUBLIQUE. Avis sur le Plan régional de surveillance du Saguenay Lac-Saint-Jean 2014-2020

COMITÉ D ÉTHIQUE DE SANTÉ PUBLIQUE. Avis sur le Plan régional de surveillance du Saguenay Lac-Saint-Jean 2014-2020 COMITÉ D ÉTHIQUE DE SANTÉ PUBLIQUE Avis sur le Plan régional de surveillance du Saguenay Lac-Saint-Jean 2014-2020 AUTEUR Comité d éthique de santé publique RÉDACTEURS Michel Désy France Filiatrault Comité

Plus en détail

Tutorial: compatibilité et directives

Tutorial: compatibilité et directives Tutorial: compatibilité et directives C'est un petit tutorial expliquant globalement comment accroître la compatibilité de vos codes sources en exploitant les caractéristiques de quelques directives de

Plus en détail

Documentation utilisateur SAP

Documentation utilisateur SAP Documentation utilisateur SAP Présentation de SAP SAP (Social Admin POSH) est une application qui permet de donner à un administrateur une vision globale de ce qui se passe sur le réseau social d'envole.

Plus en détail

WEMAG 99, 3122 031 960 36 36 FAX:

WEMAG 99, 3122 031 960 36 36 FAX: GISA GESTION STOCK Gestion de stock Gestion de stock 2 Tableaux 1 Gestion de stock 4 1.1 Exigences 5 1.1.1 Dans le tableau de maison 5 1.1.2 Dans le tableau d usine 5 1.1.3 Dans le fichier d article général

Plus en détail

Période 3 Les tableaux

Période 3 Les tableaux Département Génie Électrique et Informatique Industrielle Période 3 Les tableaux 1/ Recopie de certains éléments d un tableau Soit les déclarations suivantes : int Tabint[10]={65,21, 9,23, 1,32,5, 69,12,

Plus en détail

CHAPITRE 3 : Types de base, Opérateurs et Expressions

CHAPITRE 3 : Types de base, Opérateurs et Expressions CHAPITRE 3 : Types de base, Opérateurs et Expressions 1. Types simples Un type définit l'ensemble des valeurs que peut prendre une variable, le nombre d'octets à réserver en mémoire et les opérateurs que

Plus en détail

OPTION F : INFORMATIQUE

OPTION F : INFORMATIQUE BO2FE15V1 CONCOURS EXTERNE POUR LE RECRUTEMENT DE CONTRÔLEURS DES DOUANES ET DROITS INDIRECTS BRANCHE DU CONTRÔLE DES OPÉRATIONS COMMERCIALES ET D ADMINISTRATION GÉNÉRALE DES 23 ET 24 FÉVRIER 215 ÉPREUVE

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. Solution des exercices d algèbre linéaire

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. Solution des exercices d algèbre linéaire UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 3 4 Master d économie Cours de M. Desgraupes MATHS/STATS Document : Solution des exercices d algèbre linéaire Table des matières

Plus en détail

Modélisation et paramétrage des turbocompresseurs et turbines 289

Modélisation et paramétrage des turbocompresseurs et turbines 289 Modélisation et paramétrage des turbocompresseurs et turbines 289 En les exprimant en variables réduites dans les repères (ϕ, ψ), et(ϕ, Λ), le facteur de puissance étant représentatif de l'efficacité,

Plus en détail

P r é s e n t a t i o n d e l E s p a c e P r o m o t e u r d e P a r u V e n d u. f r. et Guide d utilisation 2008. www.paruvendu.

P r é s e n t a t i o n d e l E s p a c e P r o m o t e u r d e P a r u V e n d u. f r. et Guide d utilisation 2008. www.paruvendu. P r é s e n t a t i o n d e l E s p a c e P r o m o t e u r d e P a r u V e n d u. f r et Guide d utilisation 008 www.paruvendu.fr Bienvenu sur l Espace Promoteur A travers ce guide de l utilisateur, nous

Plus en détail

Manuel d'utilisation de l'espace privé d'un site SPIP Partie I : les rédacteurs

Manuel d'utilisation de l'espace privé d'un site SPIP Partie I : les rédacteurs Manuel d'utilisation de l'espace privé d'un site SPIP Partie I : les rédacteurs 1.L'accès à l'espace privé 1.1.Espace privé L'espace privé est la particularité d'un site SPIP, c'est là que se trouvent

Plus en détail

Conception de modèles de données et base de données relationnelle Oracle

Conception de modèles de données et base de données relationnelle Oracle Oracle University Contact Us: (+202) 35 35 02 54 Conception de modèles de données et base de données relationnelle Oracle Duration: 4 Days What you will learn Ce cours présente les processus de développement

Plus en détail

INF4420: Sécurité Informatique

INF4420: Sécurité Informatique : Cryptographie III José M. Fernandez M-3109 340-4711 poste 5433 Aperçu Crypto III Cryptographie à clé publique (suite) RSA (suite) Problème du log discret Chiffre de El-Gamal Chiffrement à courbe elliptique

Plus en détail

Corps remorqué dans l eau

Corps remorqué dans l eau ACCUEIL Corps remorqué dans l eau Frédéric Elie, août 2007 La reproduction des articles, images ou graphiques de ce site, pour usage collectif, y compris dans le cadre des études scolaires et supérieures,

Plus en détail

Droits de propriété intellectuelle et résultats des entreprises en Europe Une analyse économique

Droits de propriété intellectuelle et résultats des entreprises en Europe Une analyse économique Droits de propriété intellectuelle et résultats des entreprises en Europe Une analyse économique Rapport d analyse au niveau des entreprises, Juin 2015 RESUME Droits de propriété intellectuelle et résultats

Plus en détail

CHAP 2 TABLE DE VÉRITÉ - ALGÈBRE DE BOOLE

CHAP 2 TABLE DE VÉRITÉ - ALGÈBRE DE BOOLE 22 CHAP 2 TABLE DE VÉRITÉ - ALGÈBRE DE BOOLE rappel du chap. : -on emploie un système binaire limité à 2 états, -problème: étant donné une relation entrée/sortie binaire, faire le design du hardware qui

Plus en détail

Design Product. Guide d'utilisation. v0.3.4. Auguria 26 bis rue des Olivettes 44000 NANTES FRANCE +33251135012 contact@auguria.net

Design Product. Guide d'utilisation. v0.3.4. Auguria 26 bis rue des Olivettes 44000 NANTES FRANCE +33251135012 contact@auguria.net Design Product Guide d'utilisation v0.3.4 Auguria 26 bis rue des Olivettes 44000 NANTES FRANCE +33251135012 contact@auguria.net Plan 1 Présentation du module...3 2 Mise en place du module...4 2.1 Compatibilité

Plus en détail

Manipulation des données textuelles utilisation des outils WEKA/JAVA pour le projet AFD

Manipulation des données textuelles utilisation des outils WEKA/JAVA pour le projet AFD Manipulation des données textuelles utilisation des outils WEKA/JAVA pour le projet AFD Vincent Guigue UPMC - LIP6 Vincent Guigue Preprocessing & JAVA 1/24 Traitements pour la classification de textes

Plus en détail

Quoi de nouveau dans GERER 2014 et le système Point de Service (Révisé 23 Avril 2014)

Quoi de nouveau dans GERER 2014 et le système Point de Service (Révisé 23 Avril 2014) Data Nine Inc. Software Solutions for Long Term Care / Logiciels pour soins de longue durée Quoi de nouveau dans GERER 2014 et le système Point de Service (Révisé 23 Avril 2014) Activités au cours de 2013

Plus en détail

Confiance,c(X Y) = minsup = 50%. {Biere, Couche, Lait} :

Confiance,c(X Y) = minsup = 50%. {Biere, Couche, Lait} : Chapitre 5 Règles d'association 5.1 Introduction De nombreuses entreprises commerciales accumulent d'importantes quantités de données lors de leurs opérations quotidiennes. Par exemple, les grands magasins

Plus en détail