ASWS 5I802 Apprentissage Symbolique et Web Sémantique Master M2 DAC
|
|
- Viviane Larrivée
- il y a 8 ans
- Total affichages :
Transcription
1 ASWS 5I802 Apprentissage Symbolique et Web Sémantique Master M2 DAC Bernd Amann UPMC 14 octobre 2014 B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
2 Cours 5 1 SPARQL : Sémantique formelle et Algèbre 2 Evaluation de requêtes SPARQL B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
3 SPARQL : Sémantique formelle et Algèbre Plan 1 SPARQL : Sémantique formelle et Algèbre B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
4 SPARQL : Sémantique formelle et Algèbre Sémantique de SPARQL Objectif Définir précisément la sémantique de SPARQL : détecter des problèmes sémantiques définir des techniques d optimisation évaluer la complexité du langage Approche La sémantique est définie par une algèbre sur des ensembles de mappings de variables : jointure, union, différence, jointure externe similaire à l algèbre (ensemble de mapping = table de n-uplet) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
5 SPARQL : Sémantique formelle et Algèbre Mappings de variables Mapping de variables ν ν : V T : V : ensemble de variables dans la requête T = B U L ensemble de termes. Par extension, pour chaque motif de triplet t dans la requête, ν(t) est le triplet qu on obtient en remplaçant chaque variable v var(t) par son mapping ν(v). Compatibilité de Mapping de variables Deux mapping ν 1 et ν 2 sont compatibles si ν 1 ν 2 est aussi un mapping, i.e. pour toutes les variables x dom(ν 1 ) dom(ν 2 ), ν 1 (x) = ν 2 (x) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
6 Exemple Turtle bibliosem SPARQL : Sémantique formelle et : < h t t p : / / example. org / ns#>. : book1 : t i t l e "SPARQL T u t o r i a l " ; : p r i c e 42 ; : e d i t o r : jena. : book2 : t i t l e " The Semantic Web" ; : p r i c e 23. : book3 : t i t l e "RDF Framework " ; : p r i x 53. : book4 : t i t l e "SPARQL pour l e s Nuls " ; : e d i t o r : pourlesnuls. : pourlesnuls : address " Paris ". Requête optfilter PREFIX : < h t t p : / / example. org / ns#> SELECT?x? e d i t o r?price FROM <bibliosem. t t l > WHERE {?x : e d i t o r? e d i t o r. OPTIONAL {?x : p r i c e? p r i c e } FILTER (! bound (? p rice ) ) } Résultat de optfilter x editor price ================================= :book4 :pourlesnuls B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
7 SPARQL : Sémantique formelle et Algèbre Motifs et mapping de variables L interprétation d un motif de graphe sur un graphe RDF est un ensemble de mappings de variables. Requête optfilter PREFIX : < h t t p : / / example. org / ns#> SELECT?x? e d i t o r?price FROM <bibliosem. t t l > WHERE {?x : e d i t o r? e d i t o r. OPTIONAL {?x : p r i c e? p r i c e } FILTER (! bound (? price ) ) } Ensemble de mappings de variables pour les deux motifs de triplets : ν 11 = {(?x, : book1 ), (?editor, : jena)} ν 21 = {(?x, : book1 ), (?price, 42)} ν 12 = {(?x, : book2 ), (?price, 23)} ν 22 = {(?x, : book4 ), (?editor, : pourlesnuls)} L ensemble {ν 22 } est l unique solution de motif pour la requête. B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
8 SPARQL : Sémantique formelle et Algèbre Opérations sur des ensembles de mappings Soient deux ensembles de mapping Ω 1 et Ω 2. On définit les opérations (algèbre) suivantes : Jointure : Ω 1 Ω 2 = {ν 1 ν 2 ν 1 Ω 1 et ν 2 Ω 2 sont des mappings compatibles} Union : Ω 1 Ω 2 = {ν ν Ω 1 ou ν Ω 2 } Différence : Ω 1 \ Ω 2 = {ν 1 ν 1 Ω 1, ν 2 Ω 2 : ν 1 et ν 2 sont compatibles} Jointure externe gauche : Ω 1 Ω 2 = (Ω 1 Ω 2 ) (Ω 1 \ Ω 2 ) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
9 SPARQL : Sémantique formelle et Algèbre Exemple : mapping de variables Ω 1 = {ν 11, ν 12 } : ν 11 = {(?x, :book1 ), (?editor, :jena) } ν 12 = {(?x, :book4 ), (?editor, :pourlesnuls)} Ω 2 = {ν 21, ν 22 } : ν 21 = {(?x, :book1 ), (?price, 42)} ν 22 = {(?x, :book2 ), (?price, 23)} Opérations sur Ω 1 et Ω 2 : Ω 1 Ω 2 = {ν 11 ν 21 } Ω 1 Ω 2 = {ν 11, ν 12, ν 21, ν 22 } Ω 1 \ Ω 2 = {ν 12 } Ω 2 \ Ω 1 = {ν 22 } Ω 1 Ω 2 = (Ω 1 Ω 2 ) (Ω 1 \ Ω 2 ) = {ν 11 ν 21, ν 12 } Ω 2 Ω 1 = (Ω 1 Ω 2 ) (Ω 2 \ Ω 1 ) = {ν 11 ν 21, ν 22 } B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
10 SPARQL : Sémantique formelle et Algèbre Interprétation algébrique d un motif de graphe P L interprétation d un motif de graphe P sur un graphe RDF D est un ensemble de mappings noté P D D est défini récursivement : t D = {ν dom(ν) = var(t) et ν(t) D} : l ensemble de mappings générés par un triplet t dans D. (P 1 AND P 2 ) D = P 1 D P 2 D (AND correspond au. ) (P 1 OPTIONAL P 2 ) D = P 1 D P 2 D (P 1 UNION P 2 ) D = P 1 D P 2 D B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
11 SPARQL : Sémantique formelle et Algèbre Exemple : Interprétation algébrique de motifs?x :editor?editor D = {ν 11, ν 12 } : ν 11 = {(?x, :book1 ), (?editor, :jena) } ν 12 = {(?x, :book4 ), (?editor, :pourlesnuls)}?x :price?price D = {ν 21, ν 22 } : ν 21 = {(?x, :book1 ), (?price, 42)} ν 22 = {(?x, :book2 ), (?price, 23)}?x :editor?editor. OPTIONAL?x :price?price D :?x :editor?editor D?x :price?price D?x :editor?editor D?x :price?price D?x :editor?editor D \?x :price?price D ({ν 11, ν 12 } {ν 21, ν 22 }) ({ν 11, ν 12 } \ {ν 21, ν 22 }) {ν 11 ν 21, ν 12 } { {(?x, :book1 ), (?editor, :jena), (?price, 42)}, {(?x, :book4 ), (?editor, :pourlesnuls)} } B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
12 SPARQL : Sémantique formelle et Algèbre Interprétation d un filtre Sémantique d un filtre P FILTER R (P FILTER R) D = {ν ν P D et ν = R} Satisfaction ν = R Un mapping ν satisfait R, dénoté ν = R, si : 1 R est bound(?x) et?x dom(ν) ; 2 R est?x = c,?x dom(ν) et ν(?x) = c ; 3 R est?x =?Y,?X dom(ν),?y dom(ν) et ν(?x) = ν(?y ) ; 4 R est ( R1), R1 est une condition, et ν = R1 ; 5 R est (R1 R2), R1 et R2 sont des conditions et ν = R1 ou ν = R2 ; 6 R est (R1 R2), R1 et R2 sont des conditions et ν = R1 et ν = R2. B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
13 SPARQL : Sémantique formelle et Algèbre Quelques remarques sur la complexité de SPARQL [PAG06] a montré que les opérateurs UNION et OPTIONAL augmentent considérablement la complexité du langage : SPARQL AND,FILTER (motifs P avec AND et FILTER) : O( P D ) SPARQL AND,FILTER,UNION : NP-complet (vérification en temps polynomial sur une machine de Turing non-deterministe, algorithmes de recherche généralement en temps exponentielle) SPARQL AND,FILTER,OPTIONAL : PSPACE-complet (vérification en espace polynomial sur une machine de Turing déterministe) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
14 Bibliographie SPARQL : Sémantique formelle et Algèbre [GHM04] C. Guttierez, C. Hurtado, A. Mendelzon, Foundations of Semantic Web Databases, PODS 2004 [RDFSEM04] RDF Semantics, W3C Recommendation 10 February 2004, http :// [PAG06] Jorge Perez, Marcelo Arenas, Claudio Gutierrez, Semantics and Complexity of SPARQL, http ://arxiv.org/abs/cs.db/ , Mai 2006 B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
15 Evaluation de requêtes SPARQL Plan 2 Evaluation de requêtes SPARQL Algèbre SPARQL Évaluation et sémantique B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
16 Plan Evaluation de requêtes SPARQL Plans d exécution SPARQL 2 Evaluation de requêtes SPARQL Algèbre SPARQL Évaluation et sémantique B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
17 Evaluation de requêtes SPARQL Plans d exécution SPARQL Exemple : Plans ARQ-SPARL Algèbre pour l évaluation de requêtes SPARQL : traduction de l expression SPARQL optimisation logique optimisation physique évaluation B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
18 Evaluation de requêtes SPARQL Motif simple = triple Plans d exécution SPARQL Requête ex1 PREFIX : < h t t p : / / asws. upmc. f r / exemples#> SELECT? t i t l e FROM <ex1. t t l > WHERE { : book1 : t i t l e? t i t l e. } Expression algébrique de ex1 ( p r e f i x ( ( : < h t t p : / / asws. upmc. f r / exemples# > ) ) ( p r o j e c t (? t i t l e ) ( bgp ( t r i p l e : book1 : t i t l e? t i t l e ) ) ) ) triple : motif de triplet bgp : basic graph pattern B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
19 Evaluation de requêtes SPARQL Motifs simples (AND) Plans d exécution SPARQL Requête couleur1 PREFIX : < h t t p : / / c o l o r s. org / ns#> SELECT DISTINCT?a?b?c?d? f?g FROM <couleur. t t l > WHERE {?a : e?b ; : e?c ; : e?d ; : e?f ; : e?g.?b : e?a ; : e?c ; : e?d.?c : e?a ; : e?b ; : e?f ; : e?g.?d : e?a ; : e?b ; : e?g.?f : e?a ; : e?c.?g : e?a ; : e?c ; : e?d. } Expression algébrique de couleur1 ( p r e f i x ( ( : < h t t p : / / c o l o r s. org / ns# > ) ) ( d i s t i n c t ( p r o j e c t (?a?b?c?d?f?g ) ( bgp ( t r i p l e?a : e?b ) ( t r i p l e?a : e?c ) ( t r i p l e?a : e?d ) ( t r i p l e?a : e?f ) ( t r i p l e?a : e?g ) ( t r i p l e?b : e?a ) ( t r i p l e?b : e?c ) ( t r i p l e?b : e?d ) ( t r i p l e?c : e?a ) ( t r i p l e?c : e?b ) ( t r i p l e?c : e?f ) ( t r i p l e?c : e?g ) ( t r i p l e?d : e?a ) ( t r i p l e?d : e?b ) ( t r i p l e?d : e?g ) ( t r i p l e?f : e?a ) ( t r i p l e?f : e?c ) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
20 Union = union Evaluation de requêtes SPARQL Plans d exécution SPARQL Requête construct PREFIX dc : < h t t p : / / p u r l. org / dc / elements / 1. 1 / > PREFIX ns : < h t t p : / / example. org / ns#> PREFIX ab : < h t t p : / / asws. org / ns#> CONSTRUCT {?x ab : p r i x?price ; ab : t i t r e? t i t l e. } FROM <ex5. t t l > WHERE { {?x ns : p r i c e?price. } UNION {?x dc : t i t l e? t i t l e. } } Expression algébrique de construct ( p r e f i x ( ( dc : < h t t p : / / p u r l. org / dc / elements / 1. 1 / > ) ( ns : < h t t p : / / example. org / ns# >) ( ab : < h t t p : / / asws. org / ns# > ) ) ( union ( bgp ( t r i p l e?x ns : p r i c e? p rice ) ) ( bgp ( t r i p l e?x dc : t i t l e? t i t l e ) ) ) ) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
21 Evaluation de requêtes SPARQL OPTIONAL = leftjoin Plans d exécution SPARQL Requête optional10 PREFIX : < h t t p : / / example. org / ns#> SELECT?x? t i t l e?y?address FROM <bibliosem. t t l > WHERE {?x : t i t l e? t i t l e. OPTIONAL {?x : e d i t o r : n o t e x i s t s OPTIONAL {?y : address?address } } } Expression algébrique de optional10 ( p r e f i x ( ( : < h t t p : / / example. org / ns# > ) ) ( p r o j e c t (?x? t i t l e?y?address ) ( l e f t j o i n ( bgp ( t r i p l e?x : t i t l e? t i t l e ) ) ( l e f t j o i n ( bgp ( t r i p l e?x : e d i t o r : n o t e x i s t s ) ) ( bgp ( t r i p l e?y : address?address ) ) ) ) ) ) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
22 Evaluation de requêtes SPARQL Graphes nommés = graph Plans d exécution SPARQL Requête ex10 PREFIX dc : < h t t p : / / p u r l. org / dc / elements / 1. 1 / > PREFIX ns : < h t t p : / / example. org / ns#> SELECT?a?b? t i t l e?price FROM NAMED <ex5. t t l > FROM NAMED <ex6. t t l > { { GRAPH?b {?x dc : t i t l e? t i t l e. } } OPTIONAL { GRAPH?a {?x ns : p r i c e? p r i c e. } } } Expression algébrique de ex10 ( p r e f i x ( ( dc : < h t t p : / / p u r l. org / dc / elements / 1. 1 / > ) ( ns : < h t t p : / / example. org / ns# > ) ) ( p r o j e c t (?a?b? t i t l e? p r i c e ) ( l e f t j o i n ( graph?b ( bgp ( t r i p l e?x dc : t i t l e? t i t l e ) ) ) ( graph?a ( bgp ( t r i p l e?x ns : p r i c e? p r i c e ) ) ) ) ) ) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
23 Evaluation de requêtes SPARQL Expressions de chemins = path Requête ex12 PREFIX f o a f : < h t t p : / / xmlns. com / f o a f / 0. 1 / > SELECT?xn?yn FROM <ex11. t t l > WHERE {?x f o a f : name?xn ; ( f o a f : knows+ ^ f o a f : knows+) [ f o a f : name?yn ]. } Plans d exécution SPARQL Expression algébrique de ex12 ( p r e f i x ( ( f o a f : < h t t p : / / xmlns. com / f o a f / 0. 1 / > ) ) ( p r o j e c t (?xn?yn ) ( sequence ( bgp ( t r i p l e?x f o a f : name?xn ) ) ( path?x ( a l t ( path+ f o a f : knows ) ( reverse ( path+ f o a f : knows ) ) )??0 ) ( bgp ( t r i p l e??0 f o a f : name?yn ) ) ) ) ) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
24 Plan Evaluation de requêtes SPARQL Évaluation et sémantique 2 Evaluation de requêtes SPARQL Algèbre SPARQL Évaluation et sémantique B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
25 Evaluation de requêtes SPARQL Réécritures et normalisation Règles de réécriture Évaluation et sémantique AND et UNION sont associatifs et commutatifs. (P1 AND (P2 UNION P3)) ((P1 AND P2) UNION (P1 AND P3)). (P1 OPT (P2 UNION P3)) ((P1 OPT P2) UNION (P1 OPT P3)). ((P1 UNION P2) OPT P3) ((P1 OPT P3) UNION (P2 OPT P3)). ((P1 UNION P2) FILTER R) ((P1 FILTER R) UNION (P2 FILTER R)). Forme normale (disjonctive) Tous les motifs de graphe P peuvent être réécrits en une union de motifs sans union : P i P i où P i sont sans sans union. B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
26 UNION Evaluation de requêtes SPARQL Évaluation et sémantique Turtle couleur Requête couleur4 PREFIX : < h t t p : / / c o l o r s. org / ns#> SELECT DISTINCT?a?b?c FROM <couleur. t t l > WHERE {?a : e?b.?b : e?c OPTIONAL { {?a : e?c } UNION {?a : e?d } UNION {?b : e?d } } } Expression algébrique de couleur4 ( p r e f i x ( ( : < h t t p : / / c o l o r s. org / ns# > ) ) ( d i s t i n c t ( p r o j e c t (?a?b?c ) ( l e f t j o i n ( bgp ( t r i p l e?a : e?b ) ( t r i p l e?b : e?c ) ) ( union ( union ( bgp ( t r i p l e?a : e?c ) ) ( bgp ( t r i p l e?a : e?d ) ) ) ( bgp ( t r i p l e?b : e?d ) ) ) ) ) ) ) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
27 Evaluation de requêtes SPARQL Évaluation et sémantique UNION - Normalisation Requête couleur4n2 PREFIX : < h t t p : / / c o l o r s. org / ns#> SELECT DISTINCT?a?b?c FROM <couleur. t t l > WHERE { {?a : e?b.?b : e?c OPTIONAL {?a : e?c } } UNION {?a : e?b.?b : e?c OPTIONAL {?a : e?d } } UNION {?a : e?b.?b : e?c OPTIONAL {?b : e?d } } } Résultat de couleur4n a b c ============================ :vert :bleu :vert :vert :bleu :rouge :vert :rouge :vert :vert :rouge :bleu :bleu :vert :bleu :bleu :vert :rouge :bleu :rouge :vert :bleu :rouge :bleu :rouge :vert :bleu :rouge :vert :rouge :rouge :bleu :vert :rouge :bleu :rouge Expression algébrique de couleur4n2 ( p r e f i x ( ( : < h t t p : / / c o l o r s. org / ns# > ) ) ( d i s t i n c t ( project (?a?b?c ) ( union ( union ( l e f t j o i n ( bgp ( t r i p l e?a : e?b ) ( t r i p l e?b : e?c ) ) ( bgp ( t r i p l e?a : e?c ) ) ) ( l e f t j o i n ( bgp ( t r i p l e?a : e?b ) ( t r i p l e?b : e?c ) ) ( bgp ( t r i p l e?a : e?d ) ) ) ) ( l e f t j o i n ( bgp ( t r i p l e?a : e?b ) ( t r i p l e?b : e?c ) ) ( bgp ( t r i p l e?b : e?d ) ) ) ) ) ) ) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
28 Evaluation de requêtes SPARQL Évaluation et sémantique Évaluation de motifs sans UNION Algorithme Eval D (P, Ω) (top-down, récursif) si Ω = return si (P est un motif triplet) return (Ω P D ) si (P = (P1 AND P2)) return Eval D (P2, Eval D (P1, Ω)) si (P = (P1 OPT P2)) return Eval D (P1, Ω) Eval D (P2, Eval D (P1, Ω)) si (P = (P1 FILTER R)) return {ν Eval D (P1, Ω) ν = R} Evaluate(P) = Eval D (P, { }) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
29 Evaluation de requêtes SPARQL Évaluation et sémantique Évaluation de motifs sans UNION : Exemple SELECT WHERE { t 1 OPTIONAL { t 2 OPTIONAL t 3 } } Sémantique d évaluation Eval D (t1 OPT (t2 OPT t3), { }) Eval D (t1, { }) Eval D (t2 OPT t3, Eval D (t1, { })) t1 D (Eval D (t2, t1 D ) Eval D (t3, Eval D (t2, t1 D ) t1 D (( t1 D t2 D ) ( t1 D t2 D t3 D )) Sémantique formelle ((t1 OPT (t2 OPT t3)) D t1 D ( t2 D t3 D ) L évaluation top-down ne respecte pas (toujours) la sémantique formelle. B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
30 Evaluation de requêtes SPARQL Évaluation et sémantique Motif bien-formé Motif bien formé Un motif P est bien formé si pour chaque occurrence d un sous-motif P = P1 OPTIONAL P2 de P et pour chaque variable?x dans P la condition suivante est validée : si?x apparaît dans P 2 et en dehors de P, alors elle apparaît également dans P 1. Exemples {?x a?y OPTIONAL {?y b?z OPTIONAL {?x c?u } } : pas bien formé {?x a?y OPTIONAL {?y b?z OPTIONAL {?u c?v } } : bien formé Théorème Si P est un motif bien formé, alors P D = Eval D (P) B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
31 Evaluation de requêtes SPARQL Pour aller plus loin... Évaluation et sémantique Marcelo Arenas, Jorge Pérez, Querying semantic web data with SPARQL, Proceedings of the thirtieth ACM SIGMOD-SIGACT-SIGART symposium on Principles of database systems, June 13-15, 2011, Athens, Greece Reinhard Pichler, Sebastian Skritek, Containment and equivalence of well-designed SPARQL, Proceedings of the 33rd ACM SIGMOD-SIGACT-SIGART symposium on Principles of database systems, June 22-27, 2014, Snowbird, Utah, USA Sebastian Skritek, Foundational aspects of semantic web optimization, Proceedings of the on SIGMOD/PODS 2012 PhD Symposium, May 20-20, 2012, Scottsdale, Arizona, USA Andrés Letelier, Jorge Pérez, Reinhard Pichler, Sebastian Skritek, Static analysis and optimization of semantic web queries, ACM Transactions on Database Systems (TODS), v.38 n.4, p.1-45, November 2013 Katja Losemann, Wim Martens, The complexity of regular expressions and property paths in SPARQL, ACM Transactions on Database Systems (TODS), v.38 n.4, p.1-39, November 2013 B. Amann (UPMC) Master M2 DAC ASWS UPMC - UFR 919 Ingéniérie 14 octobre / 341
Évaluation d une architecture de stockage RDF distribuée
Évaluation d une architecture de stockage RDF distribuée Maeva Antoine 1, Françoise Baude 1, Fabrice Huet 1 1 INRIA MÉDITERRANÉE (ÉQUIPE OASIS), UNIVERSITÉ NICE SOPHIA-ANTIPOLIS, I3S CNRS prénom.nom@inria.fr
Plus en détailJDev Atelier Datalift
JDev Atelier Datalift RDF, Linked (Open) Data & Datalift Your business JDev technologists. - 6 septembre Powering 2013 progress Le Linked Data Publier des données structurées sur le Web en les reliant
Plus en détailAlimenter un entrepôt de données par des données issues de services web. Une approche médiation pour le prototype DaWeS
Alimenter un entrepôt de données par des données issues de services web. Une approche médiation pour le prototype DaWeS John Samuel LIMOS (Laboratoire d Informatique, de Modélisation et d Optimisation
Plus en détailBases de données avancées Introduction
Bases de données avancées Introduction Dan VODISLAV Université de Cergy-Pontoise Master Informatique M1 Cours BDA Plan Objectifs et contenu du cours Rappels BD relationnelles Bibliographie Cours BDA (UCP/M1)
Plus en détailLinked Open Data. Le Web de données Réseau, usages, perspectives. Eric Charton. Eric Charton
Linked Open Data Le Web de données Réseau, usages, perspectives Sommaire Histoire du Linked Open Data Structure et évolution du réseau Utilisations du Linked Open Data Présence sur le réseau LOD Futurs
Plus en détailObjectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)
Objectifs du cours d aujourd hui Informatique II : Cours d introduction à l informatique et à la programmation objet Complexité des problèmes Introduire la notion de complexité d un problème Présenter
Plus en détailVues d ensembles de documents RDF
Vues d ensembles de documents RDF Thomas Raimbault * Pierre Maillot *,** * ESILV, Pôle Universitaire Léonard De Vinci 92 916 Paris La Défense Cedex {thomas.raimbault,pierre.maillot@devinci.fr ** LERIA,
Plus en détailLES TECHNOLOGIES DU WEB APPLIQUÉES AUX DONNÉES STRUCTURÉES
LES TECHNOLOGIES DU WEB APPLIQUÉES AUX DONNÉES STRUCTURÉES 1e partie : encoder et structurer les données Gautier Poupeau Antidot http://www.lespetitescases.net Twitter @lespetitescases Emmanuelle Bermès
Plus en détailLe Web de Données Dan VODISLAV Université de Cergy-Pontoise Master Informatique M2 Plan
Le Web de Données Dan VODISLAV Université de Cergy-Pontoise Master Informatique M2 Plan RDF sur le Web Micro-formats Micro-données RDFa Vocabulaires communs Dublin Core, FOAF, SKOS Linked Open Data Architecture
Plus en détailModule BDWEB. Maîtrise d informatique Cours 9 - Xquery. Anne Doucet. anne.doucet@lip6.fr
Module BDWEB Maîtrise d informatique Cours 9 - Xquery Anne Doucet anne.doucet@lip6.fr 1 Langages de requêtes XML Concepts des langages de requêtes XML motivations caractéristiques Navigation dans les documents
Plus en détailIT203 : Systèmes de gestion de bases de données. A. Zemmari zemmari@labri.fr
IT203 : Systèmes de gestion de bases de données A. Zemmari zemmari@labri.fr 1 Informations pratiques Intervenants : Cours : (A. Zemmari zemmari@labri.fr) TDs, TPs : S. Lombardy et A. Zemmari Organisation
Plus en détailKnowledge Enabled Real-Time Recommendation System
Knowledge Enabled Real-Time Recommendation System Syed Gillani, Jules Chevalier syed.gillani@univ-st-etienne.fr jules.chevalier@univ-st-etienne.fr Institut Henri Fayol, École des Mines de Saint-Étienne
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailÉtude des formes de pratiques de la gymnastique sportive enseignées en EPS à l école primaire
Étude des formes de pratiques de la gymnastique sportive enseignées en EPS à l école primaire Stéphanie Demonchaux To cite this version: Stéphanie Demonchaux. Étude des formes de pratiques de la gymnastique
Plus en détailJe catalogue, tu FRBRises, il/elle googlise. L évolution des catalogues et les bibliothécaires Vendredi 29 mars 2013 Manufacture des tabacs
Je catalogue, tu FRBRises, il/elle googlise. L évolution des catalogues et les bibliothécaires Vendredi 29 mars 2013 Manufacture des tabacs Journée organisée par le CRFCB Midi-Pyrénées / Languedoc-Roussillon
Plus en détailAlgorithmique et Programmation Fonctionnelle
Algorithmique et Programmation Fonctionnelle RICM3 Cours 9 : Lambda-calcul Benjamin Wack Polytech 2014-2015 1 / 35 La dernière fois Typage Polymorphisme Inférence de type 2 / 35 Plan Contexte λ-termes
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 détailPlan 1/9/2013. Génération et exploitation de données. CEP et applications. Flux de données et notifications. Traitement des flux Implémentation
Complex Event Processing Traitement de flux de données en temps réel Romain Colle R&D Project Manager Quartet FS Plan Génération et exploitation de données CEP et applications Flux de données et notifications
Plus en détailFondements de l informatique Logique, modèles, et calculs
Fondements de l informatique Logique, modèles, et calculs Cours INF423 de l Ecole Polytechnique Olivier Bournez Version du 20 septembre 2013 2 Table des matières 1 Introduction 9 1.1 Concepts mathématiques........................
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université
Plus en détailGrandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test
Grandes lignes Analyseur Statique de logiciels Temps RÉel Embarqués École Polytechnique École Normale Supérieure Mercredi 18 juillet 2005 1 Présentation d 2 Cadre théorique de l interprétation abstraite
Plus en détailHervé Couturier EVP, SAP Technology Development
Hervé Couturier EVP, SAP Technology Development Hervé Biausser Directeur de l Ecole Centrale Paris Bernard Liautaud Fondateur de Business Objects Questions à: Hervé Couturier Hervé Biausser Bernard Liautaud
Plus en détailExemple accessible via une interface Web. Bases de données et systèmes de gestion de bases de données. Généralités. Définitions
Exemple accessible via une interface Web Une base de données consultable en ligne : Bases de données et systèmes de gestion de bases de données The Trans-atlantic slave trade database: http://www.slavevoyages.org/tast/index.faces
Plus en détailETUDE ET IMPLÉMENTATION D UNE CACHE L2 POUR MOBICENTS JSLEE
Mémoires 2010-2011 www.euranova.eu MÉMOIRES ETUDE ET IMPLÉMENTATION D UNE CACHE L2 POUR MOBICENTS JSLEE Contexte : Aujourd hui la plupart des serveurs d application JEE utilise des niveaux de cache L1
Plus en détail... /5. Bases de Données I (J. Wijsen) 23 janvier 2009 NOM + PRENOM : Orientation + Année : Cet examen contient 11 questions.
Bases de Données I (J. Wijsen) 23 janvier 2009 NOM + PRENOM : Orientation + Année : Cet examen contient 11 questions. Question 1 Donnez la traduction en modèle relationnel du schéma Entité-Association
Plus en détailUFR d Informatique. FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018
UFR d Informatique FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018 Objectif L UFR d informatique propose au niveau du master, deux spécialités sous la mention informatique
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 détailMaster IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP
Master IMA - UMPC Paris 6 RDMM - Année 2009-200 Fiche de TP Préliminaires. Récupérez l archive du logiciel de TP à partir du lien suivant : http://www.ensta.fr/~manzaner/cours/ima/tp2009.tar 2. Développez
Plus en détailChapitre 7. Récurrences
Chapitre 7 Récurrences 333 Plan 1. Introduction 2. Applications 3. Classification des récurrences 4. Résolution de récurrences 5. Résumé et comparaisons Lectures conseillées : I MCS, chapitre 20. I Rosen,
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
Plus en détailCours de Master Recherche
Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction
Plus en détailRaja Bases de données distribuées A Lire - Tutoriel
Université des Sciences de Montpellier Master 2 Semestre 1 Unité d'enseignement FMIN306 Raja Bases de données distribuées A Lire - Tutoriel 26 janvier 2011 Audrey Novak Romain Maneschi Jonathan Fhal Aloys
Plus en détailCatalogue des formations Edition 2015
Antidot - Formations Catalogue des formations Edition 2015 : catalogue_formation_2015 Révision du 06.01.2015 Sommaire!!"##$%&'( )! $*$+,(-'(."##'+.'&( /!,'.0+"1"2%'( /!!."3'( /! $(3&"3"!(-4(5(.$,$1"24'(-'!(6"&#$,%"+!(7('-%,%"+()89:(;(
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de
Plus en détailWeb Sémantique. Examen
Formations en Informatique de Lille 2012/2013 Web Sémantique mars 2013 Examen Durée 2h. Documents et dictionnaire électronique autorisés, appareils mobiles de communication interdits. Exercice 1 : Dans
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 détailSystèmes d informations nouvelles générations. Répartition, Parallèlisation, hétérogénéité dans les SGBD. Exemple d application d un futur proche
Répartition, Parallèlisation, hétérogénéité dans les SGBD AI Mouaddib Département Informatique Université de Caen Systèmes d informations nouvelles générations! Constat :! Utilisation de nouveaux support
Plus en détail21 mars 2012. Simulations et Méthodes de Monte Carlo. DADI Charles-Abner. Objectifs et intérêt de ce T.E.R. Générer l'aléatoire.
de 21 mars 2012 () 21 mars 2012 1 / 6 de 1 2 3 4 5 () 21 mars 2012 2 / 6 1 de 2 3 4 5 () 21 mars 2012 3 / 6 1 2 de 3 4 5 () 21 mars 2012 4 / 6 1 2 de 3 4 de 5 () 21 mars 2012 5 / 6 de 1 2 3 4 5 () 21 mars
Plus en détailPlan du cours : Zippers. Des fonctions sur les listes avec position. Des fonctions sur les listes avec position
Plan du cours : Le problème : naviguer efficacement une structure de données Ce qui ne marche pas Ce qui marche : les de Huet Exemples Comment dériver des pour tout type de données Pour en savoir plus
Plus en détailProgrammation Web Avancée Introduction aux services Web
1/21 Programmation Web Avancée Thierry Hamon Bureau H202 - Institut Galilée Tél. : 33 1.48.38.35.53 Bureau 150 LIM&BIO EA 3969 Université Paris 13 - UFR Léonard de Vinci 74, rue Marcel Cachin, F-93017
Plus en détailMathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans
Mathématique et Automatique : de la boucle ouverte à la boucle fermée Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Maitine.Bergounioux@labomath.univ-orleans.fr Plan 1. Un peu de
Plus en détailModel checking temporisé
Model checking temporisé Béatrice Bérard LAMSADE Université Paris-Dauphine & CNRS berard@lamsade.dauphine.fr ETR 07, 5 septembre 2007 1/44 Nécessité de vérifier des systèmes... 2/44 Nécessité de vérifier
Plus en détailBases de données cours 1
Bases de données cours 1 Introduction Catalin Dima Objectifs du cours Modèle relationnel et logique des bases de données. Langage SQL. Conception de bases de données. SQL et PHP. Cours essentiel pour votre
Plus en détailINFORMATIQUECOMMUNE CPGE. Introduction aux Bases de Données Relationnelles
INFORMATIQUECOMMUNE Introduction aux Bases de Données Relationnelles Serge Abiteboul Inria, ENS Cachan, Conseil national du numérique serge.abiteboul@inria.fr Benjamin Nguyen Université de Versailles St-Quentin-en-Yvelines,
Plus en détailBases de données cours 4 Construction de requêtes en SQL. Catalin Dima
Bases de données cours 4 Construction de requêtes en SQL Catalin Dima Requêtes SQL et langage naturel Énoncés en langage naturel. Traduction en SQL? Correspondance entre syntagmes/phrases et opérations
Plus en détailCalculabilité Cours 3 : Problèmes non-calculables. http://www.irisa.fr/lande/pichardie/l3/log/
Calculabilité Cours 3 : Problèmes non-calculables http://www.irisa.fr/lande/pichardie/l3/log/ Problèmes et classes de décidabilité Problèmes et classes de décidabilité Nous nous intéressons aux problèmes
Plus en détailUne proposition d extension de GML pour un modèle générique d intégration de données spatio-temporelles hétérogènes
303 Schedae, 2007 Prépublication n 46 Fascicule n 2 Une proposition d extension de GML pour un modèle générique d intégration de données spatio-temporelles hétérogènes Samya Sagar, Mohamed Ben Ahmed Laboratoire
Plus en détailLa NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.
La NP-complétude Johanne Cohen PRISM/CNRS, Versailles, France. Références 1. Algorithm Design, Jon Kleinberg, Eva Tardos, Addison-Wesley, 2006. 2. Computers and Intractability : A Guide to the Theory of
Plus en détailSystèmes d information et bases de données (niveau 1)
Systèmes d information et bases de données (niveau 1) Cours N 1 Violaine Prince Plan du cours 1. Bibliographie 2. Introduction aux bases de données 3. Les modèles 1. Hiérarchique 2. Réseau 3. Relationnel
Plus en détailFormula Negator, Outil de négation de formule.
Formula Negator, Outil de négation de formule. Aymerick Savary 1,2, Mathieu Lassale 1,2, Jean-Louis Lanet 1 et Marc Frappier 2 1 Université de Limoges 2 Université de Sherbrooke Résumé. Cet article présente
Plus en détailBD et XML : Exercices
BD et XML : Exercices 1 Stockage XML Voici un arbre XML : A B E C F C F C F D C C D D D 1.1 Stockage générique Exercice 1.1.1 : Définissez un schéma de stockage relationnel générique (sans prendre en compte
Plus en détail1 Introduction et installation
TP d introduction aux bases de données 1 TP d introduction aux bases de données Le but de ce TP est d apprendre à manipuler des bases de données. Dans le cadre du programme d informatique pour tous, on
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailPrésentation du module Base de données spatio-temporelles
Présentation du module Base de données spatio-temporelles S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Partie 1 : Notion de bases de données (12,5h ) Enjeux et principes
Plus en détailNouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires
Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires Julien Jorge, Xavier Gandibleux Laboratoire d Informatique de Nantes Atlantique
Plus en détailMASTER SIS PRO : logique et sécurité DÉTECTION D INTRUSIONS. Odile PAPINI, LSIS. Université de Toulon et du Var. papini@univ-tln.
MASTER SIS PRO : logique et sécurité DÉTECTION D INTRUSIONS Odile PAPINI, LSIS. Université de Toulon et du Var. papini@univ-tln.fr Plan Introduction Généralités sur les systèmes de détection d intrusion
Plus en détailPartie II Cours 3 (suite) : Sécurité de bases de données
Partie II Cours 3 (suite) : Sécurité de bases de données ESIL Université de la méditerranée Odile.Papini@esil.univ-mrs.fr http://odile.papini.perso.esil.univmed.fr/sources/ssi.html Plan du cours 1 Introduction
Plus en détailExploration des technologies web pour créer une interaction entre Mahara et les plateformes professionnelles et sociales
Exploration des technologies web pour créer une interaction entre Mahara et les plateformes professionnelles et sociales D 1.3.2 Rapport d analyse Auteurs: Johann Luethi, Laurent Opprecht, Patrick Roth
Plus en détailCours Bases de données
Informations sur le cours Cours Bases de données 9 (10) séances de 3h Polycopié (Cours + TD/TP) 3 année (MISI) Antoine Cornuéjols www.lri.fr/~antoine antoine.cornuejols@agroparistech.fr Transparents Disponibles
Plus en détailBases de données et sites WEB Licence d informatique LI345
Bases de données et sites WEB Licence d informatique LI345 Anne Doucet Anne.Doucet@lip6.fr http://www-bd.lip6.fr/ens/li345-2013/index.php/lescours 1 Contenu Transactions en pratique Modèle relationnel-objet
Plus en détailBASE DE DONNÉES XML NATIVE
BASE DE DONNÉES XML NATIVE NXDB - exist - XQuery IvMad, 2011-2012 2 1. exist exist-db Open Source Native XML Database Ce cours s inspire, reprend, modifie et enrichi des supports disponibles sur Internet
Plus en détailBases de données - Modèle relationnel
Bases de données - Modèle relationnel Introduction SITE :http://www.univ-orleans.fr/lifo/members/mirian.halfeld/ BD - Mírian Halfeld-Ferrari p. 1 Les bases de données - Bibliographie Ullman and Widom,
Plus en détailLes ontologies pour l intégration sémantique : enjeux et défis
Les ontologies pour l intégration sémantique : enjeux et défis Chantal REYNAUD Université Paris-Sud XI, CNRS-LRI (Equipe IASI) INRIA-Futurs (Gemo) 1 Plan 1. L intégration sémantique du point de vue des
Plus en détailBig Graph Data Forum Teratec 2013
Big Graph Data Forum Teratec 2013 MFG Labs 35 rue de Châteaudun 75009 Paris, France www.mfglabs.com twitter: @mfg_labs Julien Laugel MFG Labs julien.laugel@mfglabs.com @roolio SOMMAIRE MFG Labs Contexte
Plus en détailLOGO. Module «Big Data» Extraction de Connaissances à partir de Données. Claudia MARINICA MCF, ETIS UCP/ENSEA/CNRS Claudia.Marinica@u-cergy.
Module «Big Data» Extraction de Connaissances à partir de Données Claudia MARINICA MCF, ETIS UCP/ENSEA/CNRS Claudia.Marinica@u-cergy.fr 14 Janvier 2015 Pourquoi l extraction de connaissances à partir de
Plus en détailMENTION INFORMATIQUE
ANNEE UNIVERSITAIRE 2015/2016 2 Bd Lavoisier 49045 ANGERS Cedex 01 Tél. 02 41 73 53 53 Fax 02 41 73 53 52 www.univ-angers.fr Domaine Sciences, Technologies, Santé MASTER 1 MENTION INFORMATIQUE MASTER 1
Plus en détailComment rendre un site d e-commerce intelligent
Comment rendre un site d e-commerce intelligent Alexei Kounine CEO +33 (0) 6 03 09 35 14 alex@tastehit.com Christopher Burger CTO +49 (0) 177 179 16 99 chris@tastehit.com L embarras du choix Donner envie
Plus en détailÉvaluation 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 détailReprésentation d un entier en base b
Représentation d un entier en base b 13 octobre 2012 1 Prérequis Les bases de la programmation en langage sont supposées avoir été travaillées L écriture en base b d un entier est ainsi défini à partir
Plus en détailhttp://blog.khaledtannir.net
Algorithme de parallélisations des traitements Khaled TANNIR Doctorant CIFRE LARIS/ESTI http://blog.khaledtannir.net these@khaledtannir.net 2e SéRI 2010-2011 Jeudi 17 mars 2011 Présentation Doctorant CIFRE
Plus en détailLe langage SQL Rappels
Le langage SQL Rappels Description du thème : Présentation des principales notions nécessaires pour réaliser des requêtes SQL Mots-clés : Niveau : Bases de données relationnelles, Open Office, champs,
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 détailclef primaire ; clef étrangère ; projection ; restriction ; jointure ; SQL ; SELECT ; FROM ; WHERE
Cas Neptune hôtel Base de données et langage SQL Propriété Intitulé long Formation concernée Matière Notions Transversalité Présentation Description Neptune Hôtel. L interrogation d une base de données
Plus en détailTechniques d optimisation des requêtes dans les data warehouses
Techniques d optimisation des requêtes dans les data warehouses Ladjel Bellatreche LISI/ENSMA Téléport2-1, Avenue Clément Ader 86960 Futuroscope - FRANCE bellatreche@ensma.fr Résumé Un entrepôt de données
Plus en détailProposition de sujet de thèse CIFRE EUROCOPTER / LGI2P
EUROCOPTER SAS Groupe EADS Marignane Ecole des Mines d Alès Laboratoire de Génie Informatique et d Ingénierie de Production LGI2P Nîmes Proposition de sujet de thèse CIFRE EUROCOPTER / LGI2P Titre Domaine
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailIntroduction aux bases de données
Introduction aux bases de données Références bibliographiques Jeff Ullman,Jennifer Widom, «A First Course in Database systems», Prentice-Hall, 3rd Edition, 2008 Hector Garcia-Molina, Jeff Ullman, Jennifer
Plus en détailÉvolution de schémas dans les entrepôts de données mise à jour de hiérarchies de dimension pour la personnalisation des analyses
Évolution de schémas dans les entrepôts de données mise à jour de hiérarchies de dimension pour la personnalisation des analyses Thèse présentée par Cécile FAVRE pour obtenir le titre de Docteur en Informatique
Plus en détailArchitectures d'intégration de données
Architectures d'intégration de données Dan VODISLAV Université de Cergy-ontoise Master Informatique M1 Cours IED lan Intégration de données Objectifs, principes, caractéristiques Architectures type d'intégration
Plus en détailProtection de la vie privée basée sur des ontologies dans un système Android
Protection de la vie privée basée sur des ontologies dans un système Android Johann Vincent, Tom Dubin, Christine Porquet To cite this version: Johann Vincent, Tom Dubin, Christine Porquet. Protection
Plus en détailCours: Les Jointures 1
Bases de Données Avancées Module A IUT Lumière, License CE-STAT 2006-2007 Pierre Parrend Cours: Les Jointures 1 Plan Table of Contents Principe...1 Example...1 Types de Jointures...2 Définitions et examples...2
Plus en détailIndustrial Phd Progam
Industrial Phd Progam Catalan Government: Legislation: DOGC ECO/2114/2012 Modification: DOGC ECO/2443/2012 Next: Summary and proposal examples. Main dates March 2013: Call for industrial Phd projects grants.
Plus en détailMANUEL DRIVELINK DRIVELINK
MNUEL XX Table des matières 1. Fonctionnalités 1 2. Pièces et accessoires 1 3. Coup d œil sur le périphérique 2 4. Installer le matériel 3 5. Installer le logiciel 4 6. Le logiciel de sauvegarde 4 6.1
Plus en détailSSTIC 2009. Désobfuscation automatique de binaires. Alexandre Gazet. Yoann Guillot. Et autres idyles bucoliques...
Désobfuscation automatique de binaires Et autres idyles bucoliques... Alexandre Gazet Sogeti / ESEC R&D alexandre.gazet(at)sogeti.com Yoann Guillot Sogeti / ESEC R&D yoann.guillot(at)sogeti.com SSTIC 2009
Plus en détailLes bases de données
Les bases de données Introduction aux fonctions de tableur et logiciels ou langages spécialisés (MS-Access, Base, SQL ) Yves Roggeman Boulevard du Triomphe CP 212 B-1050 Bruxelles (Belgium) Idée intuitive
Plus en détailEnoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé.
Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé. I- ACTIVITES NUMERIQUES (12 points) Exercice 1 (3 points) On considère
Plus en détailPlan... as Architecture des Systèmes d Information. Constats. as Architecture des Systèmes d Information
Plan... Web sémantique Partie I - Cours Document et Web Sémantique Nicol Delestre 1 Vers le Web sémantique 2 3 4 Publication, requêtage 5 Conclusion - v1.0 1 / 49 - v1.0 2 / 49 Vers le Web sémantique Les
Plus en détailLe cadre des Web Services Partie 1 : Introduction
Sécurité en ingénierie du Logiciel Le cadre des Web Services Partie 1 : Introduction Alexandre Dulaunoy adulau@foo.be Sécurité en ingénierie du Logiciel p.1/21 Agenda (partie 1) 1/2 Introduction Services
Plus en détailSUR CERTAINS SYSTEMES D EQUATIONS AVEC CONTRAINTES DANS UN GROUPE LIBRE (*)
PORTUGALIAE MATHEMATICA Vol. 56 Fasc. 4 1999 SUR CERTAINS SYSTEMES D EQUATIONS AVEC CONTRAINTES DANS UN GROUPE LIBRE (*) J. Almeida and M. Delgado Résumé: Le théorème principal trouvé par Ash pour sa preuve
Plus en détailSécurité des sites Web Pas un cours un recueil du net. INF340 Jean-François Berdjugin
Sécurité des sites Web Pas un cours un recueil du net INF340 Jean-François Berdjugin Vulnérabilité Définition (wikipédia) : Dans le domaine de la sécurité informatique, une vulnérabilité est une faiblesse
Plus en détailLes études de cas Responsable: Monika Niederhuber, Pauline Bart
Geographic Information Technology Training Alliance (GITTA) presents: Les études de cas Responsable: Monika Niederhuber, Pauline Bart Table des matières 1. Les études de cas...2 1.1. Définitions et commentaires...
Plus en détailUne méthode formelle pour la vérification de la consistance temporelle et la gestion prédictive de la Qualité de service pour la présentation des
Une méthode formelle pour la vérification de la consistance temporelle et la gestion prédictive de la Qualité de service pour la présentation des documents SMIL A.Abdelli LSI-TR-1503 1 Une méthode formelle
Plus en détailINF 232: Langages et Automates. Travaux Dirigés. Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies
INF 232: Langages et Automates Travaux Dirigés Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies Année Académique 2013-2014 Année Académique 2013-2014 UNIVERSITÉ JOSEPH
Plus en détailPlus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
Plus en détailSparkInData. Place de Marché des applications Spatiales 09-04-2015
SparkInData Place de Marché des applications Spatiales 09-04-2015 SparkInData / Concept Place de marché Plateforme fédérative Haute valeur ajoutée Acteurs reconnus Consortium homogène Architecture Big
Plus en détailUne approche langage pour la gestion de données dans les systèmes de méta-modélisation
Une approche langage pour la gestion de données dans les systèmes de méta-modélisation Stéphane Jean Yamine Aït-Ameur Guy Pierra LISI/ENSMA et Université de Poitiers - Téléport 2-1, Avenue Clément Ader
Plus en détail4. Utilisation d un SGBD : le langage SQL. 5. Normalisation
Base de données S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Présentation du module Contenu général Notion de bases de données Fondements / Conception Utilisation :
Plus en détailArchitecte Logiciel. Unité de formation 1 : Développer en s appuyant sur les modèles et les frameworks 7 semaines
page 1/5 Titre professionnel : Inscrit au RNCP de Niveau I (Bac + 5) (J.O. du 07/02/09) 17 semaines Unité 1 : Développer en s appuyant sur les modèles et les frameworks 7 semaines Java EE : Frameworks
Plus en détail