Compilation des examens de synhèse

Dimension: px
Commencer à balayer dès la page:

Download "Compilation des examens de synhèse 2006-2007"

Transcription

1 DIC9401 EXAMEN GÉNÉRAL Compilation des examens de synhèse ÉTUDIANT A... 2 ÉTUDIANT B... 7 ÉTUDIANT C ÉTUDIANT D ÉTUDIANT E ÉTUDIANT F ÉTUDIANT G ÉTUDIANT H ÉTUDIANT I ÉTUDIANT J ÉTUDIANT K ÉTUDIANT L ÉTUDIANT M ÉTUDIANT N... 55

2 DIC9401 ÉTUDIANT : EXAMEN GÉNÉRAL A VOLET : INFORMATIQUE Question 1: Quelles sont les grandes thèses et les critiques du point de vue informatique apportées à l intelligence artificielle? Présentez-en trois en expliquant les arguments qui ont été avancés en faveur ou en opposition à l IA. DREYFUS, Hubert L, 1984, Intelligence artificielle, Mythes et limites. Paris : Flammarion. Haugeland, John, 1989, Artificial Intelligence :The very Idea, MIT Press, 287 p. WEIZENBAUM, Joseph, 1976, Puissance de l ordinateur et raison de l homme, Éditions d informatique, Paris, 1981, 195 p. SEARLE, John, 1984, Du cerveau au savoir : Conférence Reith 1984 de la BBC, Hermann, Paris, 1985, 143 p. Negnevitsky, M. (2002). Artificial Intelligence: A Guide to Intelligent Systems. Addison-Wesley S. Russell and P. Norvig. "Artificial Intelligence: A Modern Approach". Prentice Hall Question 2 : Les méthodes utilisées par les systèmes d'apprentissage sont très nombreuses et sont issues de domaines scientifiques variés, comment peut-on les classifier? Donner un exemple de chaque catégorie. Introduction de l'encyclopédie du MIT, Wilson, Keil (MIT 1999) L. Breiman, J. H. Friedman, R. A. Olshen, and C. J. Stone. Classification and regression trees. Technical report, Wadsworth International, Monterey, CA, T. Mitchell. Machine Learning. McGraw-Hill, P. Adriaans and D. Zantinge. Data Mining. Addison-Wesley, Ethem Alpaydin, Introduction to Machine Learning, MIT press, 2004 Richard O. Duda, Peter E. Hart et David G. Stork, Pattern Classification, Wiley Interscience, 2001 Question 3 : Présentez et décrivez les composantes du web sémantique et les approches de construction d ontologies en regard des problèmes de représentation des connaissances. Michael C. Daconta, Leo J. Obrst, Kevin T. Smith. The Semantic Web: A guide to the future of XML, Web Services and Knowledge Management John Davies, Dieter Fensel, Frank van Harmelen. Towards the Semantic Web: Ontology-driven Knowledge Management. ISBN: John Wiley editions Gomez-Perez, A. et al. Ontological Engineering, Springer, 2004, 401 p. 1

3 Grigoris Antoniou, Frank van Harmelen, A Semantic Web Primer, The MIT Press, Cambridge, Massachusetts, April 2004, ISBN BO, Leuf, The Semantic Web, 2005, Wiley, 378 p. 2

4 VOLET COGNITIF Question 1 De travaux indiquent que nous utilisons des représentations communes pour comprendre notre propre action et celle d autrui (ou nos émotions et celles d autrui). Certains placent ces représentations au cœur des notre capacité de comprendre l action d autrui ou de nos capacités empathiques. Expliquez comment fonctionne ce mécanisme de reconnaissance et comment il s y prend pour distinguer ce qui nous appartient de ce qui appartient à autrui (pour le dire autrement, comment fait-il pour reconnaître notre propre action de celles des autres puisqu il utilise les mêmes représentations)? Texte d introduction : Gallese, V. C. Keysers and G. Rizzolatti «A unifying view of the basis of social cognition». Trends in Cognitive Sciences, Volume 8, Issue 9, p : Decety, J. et J. Sommerville «Shared Representations between Self and Others : A Social Cognitive Neuroscience View». Trends in Cognitive Sciences, 7, p Frith, C «The Self in Action : Lessons From Delusions of Control». Consciousness and Cognition, vol. 14, no. 4, p Gallese, V «Embodied Simulation : From Neurons to Phenomenal Experience». Phenomenology and the Cognitive Sciences, p Jeannerod, M. et E. Pacherie «Agency, Simulation and Self-Identification». Mind and Language, vol. 19, no. 2, p Rizzolatti, G., L. Fogassi et V. Gallese «Neurophysiological Mechanisms Underlying the Understanding and Imitiation of Action». Nature Review Neuroscience, 2, (on trouve plusieurs texes de ces auteurs sur leur site web). Autres lectures De Vignemont, F. et P. Fournet «The sense of agency: A philosophical and empirical review of the "Who" system» Consciousness and Cognition, vol. 13, no. 1, 1-19 Jacob, P. et M. Jeannerod «The Motor Theory of Social Cognition : A Critique». Trends in Cognitive Sciences, vol. 9, no. 1, p Metzinger, T. et V. Gallese «The Emergence of Shared Action Ontology : Building Blocks for a Theory». Consciouness and Cognition, vol. 12, no. 4, p Wegner, D. M. et Sparrow, B «Authorship Processing». In M. Gazzaniga (ed.), the Cognitive Neuroscience, 3 ième édition, p Question 2 Il y a actuellement un débat en sciences cognitives entre les partisans de la modularité massive et ceux qui militent pour une modularité plus réduite. L hypothèse de la modularité massive, généralement celle que les psychologues évolutionnistes favorisent, suppose que l architecture 3

5 cognitive du cerveau est constituée d un grand nombre de modules, ce qui est en contradiction avec l hypothèse initiale de la modularité (présentée par Fodor, 1983) selon laquelle la modularité est limitée à certains systèmes d intrants et d extrants. Quels sont les arguments en faveur de la modularité massive? Quels arguments peut-on invoquer contre la modularité massive? Quels sont les différents types de modules? Texte d introduction Fodor, J Modularity of Mind. MIT Press (pour un résumé, voir également son (1992) Theory of Content and other Essays, chapitre 8 et 9). : Atkinson, A. et M. Wheeler «The Grain of Domains : The Evolutionary Psychological Case Against Domain General Cognition». Mind and Language, vol. 19, no. 2, p Atran, S «Adaptationism for Human Cognition : Strong, Spurious or Weak?». Mind and Language, vol. 20, no. 1, p Barrett, C «Enzymatic Computation and Cognitive Modularity». Mind and Language, Vol. 20, no. 3, p Fodor, J L esprit, ça ne marche pas comme ça. Odile Jacob. Pinker, S Comment fonctionne l esprit? Odile Jacob. Pinker, S «So How Does the Mind Work?» Mind and Language, vol. 20, no. 1, p Samuels, R «Massively Modular Minds : Evolutionary Psychology and Cognitive Architecture». In P. Carruthers (Ed.) Evolution and the Human Mind, Cambridge University Press (et «Is the Mind Massively Modular» sur le site de Samuels : Question 3 Les anthropologues cognitifs s intéressent depuis quelques années à la possibilité d expliquer l évolution de la culture. En effet, il semble que de tous les phénomènes étudiés en biologie, le fait de posséder une culture est ce qui démarque véritable l homme du reste des autres animaux (ce genre d assertion est cependant contesté, voir Whiten et al., 1999). Comment la culture a-t-elle pu évoluer et surtout, comment la présence de la culture a-t-elle pu changer l architecture cognitive? L existence de la culture peut également permettre de revoir la conception traditionnelle (ou le mythe) de l esprit comme un système isolé. Comment peut-on penser l esprit une fois qu il est placé dans la culture? Textes d introduction Sperber, D. et L. Hirschfeld «The Cognitive Foundations of Cultural Stability and Diversity». Trends in Cognitive Sciences, 8, 1, Whiten, A. et al «Cultures in Chimpanzees». Nature, 399, p : Donald, M. «The Central Role of Culture in Cognitive Evolution : A Reflection on the Myth of the 4

6 Isolated Mind». IN L. Nucci, Culture Thought and Development, Lawrence Erlbaum, (en ligne Henrich, J. et R. McElreath «The Evolution of Cultural Evolution». Evolutionary Anthropology, vol. 12, p Mithen, S. J. (2005) «Ethnobiology and the evolution of the human mind». Journal of the Royal Anthropological Institute, 12, Sperber, D. (à paraître). «Why a Deep Understanding of Cultural Evolution is Incompatible with Shallow Psychology». Dans Roots of Human Sociality, sous la direction de N. Enfield et S. Levinson (sur Sperber, D. et L. Hirschfeld. (à paraître). «Culture and Modularity». Dans The Innate Mind : Culture and Cognition, de T. Simpson, P. Carruthers, S. Laurence et S. Stich (sur Sperber, D. et L. Hirschfeld «The Cognitive Foundations of Cultural Stability and Diversity». Trends in Cognitive Sciences, 8, 1, Sterelny, K «The Evolution and Evolvability of Culture». Mind and Language, vol. 21, no. 2, p

7 DIC9401 ÉTUDIANT : EXAMEN GÉNÉRAL B VOLET : INFORMATIQUE Question 1: Les problèmes d adaptation des systèmes aux multiples changements qui surviennent dans l entreprise entraînent constamment des ajustements au niveau des modèles d affaires et des problèmes d intégration et d interopérabilité au plan technique. Le développement des services web et des architectures orientées services semblent aujourd hui constituer une voie particulièrement prometteuse pour résoudre ces problèmes. Pouvez-vous nous expliquer pourquoi et comment on arrivera peut-être à les résoudre tant du point de vue affaires que du point de vue technique. DE JONG Peter, Going with the flow, 2006, ACM Queue, vol. 4 no. 2, March, p JOS de Bruijn and al., 2005, Using the Web Service Modeling Ontology to enable Semantic E- Business, Communications of the ACM, vol. 48 no. 12, December, p EJUB Kajan and al., 2005, Toward an Ontology-Driven Architectural Framework for B2B, Communications of the ACM, vol. 48 no. 12, December, p ERL Thomas, 2005, Service-Oriented Architecture Concepts, Technology and Design, Prentice- Hall, 760 pages. KREGER Heather, 2003, Fulfilling the Web Services Promise, Communications of the ACM, vol. 46 no. 6, June, p STAL Michael, 2002, Enterprise Services, Communications of the ACM, vol. 45 no. 10, October, p Question 2 : Dans les sciences de la vie, on prend pour acquis que la fonction d un système biologique découle, ou tout au moins, dépend, de sa structure. Ceci s observe tant au niveau des gênes et des structures des molécules d ADN, qu au niveau de systèmes macroscopiques beaucoup plus complexes (un écosystème, une communauté, etc.). En représentation de connaissances, on fait traditionnellement la distinction entre les connaissances déclaratives (le savoir) et les connaissances procédurales (le savoir-faire, les compétences). Cette dichotomie est forcément abusive étant donné que chaque système complexe exhibera une structure et un comportement non-triviaux. La structure d un système serait alors à représenter de façon déclarative, alors que le comportement serait à représenter de façon 1

8 procédurale. Des représentations dites hybrides sont supposées réconcilier les deux, dont la représentation par cadres et les représentations orientées objet. La plupart des modèles de représentations symboliques de connaissances traitent bien la notion de spécialisation au niveau de l aspect structurel/déclaratif, mais ne traitent pas (ou pas adéquatement) la spécialisation de l aspect comportemental. Le but de la question est d explorer la spécialisation comportementale, et sa relation avec la spécialisation structurelle, dans le cadre des langages de représentations de connaissances symboliques, et le cas des langages de modélisation communs en génie logiciel. 1) Ronald J. Brachman & James G. Schmolze, An overview of the KL-ONE Knowledge Representation System, Cognitive Science: A Multidisciplinary Journal, 1985, Vol. 9, No. 2, Pages ) Janet M. Thornton 1, 2, Annabel E. Todd 1, Duncan Milburn 1, Neera Borkakoti 3 & Christine A. Orengo, From structure to function: Approaches and limitations, Nature Structural Biology 7, (2000) 3) Michael Schrefl, Markus Stumptner, Behavior-consistent specialization of object life cycles, ACM Transactions on Software Engineering and Methodology (TOSEM) Volume 11, Issue 1 (January 2002) 4) Representation and Understanding : Studies in Cognitive Science, edité par Daniel Bobrow et Allan Collins, Academic Press, 1975 (ISBN ) 5) Rumelhart, D. E. & Norman, D. A. (1988) Representation in memory. In R. C. Atkinson, R. J. Herrnstein, G. Lindzey, & R. D. Luce (Ed.), Stevens' Handbook of Experimental Psychology. New York: Wiley 6) Taivalsaari A. On the notion of inheritance. ACM Computing Surveys, 28(3): , September AUTRES 7) Darden & Rada, 1988 Lindley Darden and Roy Rada, "Hypothesis Formation Using Part- Whole Interrelations," Analogical Reason. ing : Perspectives in Philosophy and Artificial intelligence, Eds. Helman, Reidel & Dordrecht, Netherlands, ) Keuneke, A.M., Device representation-the significance of functional knowledge, IEEE Expert, Apr 1991, vol 6, no. 2 9) MacGregor, R The Evolving Technology of Classification-Based Knowledge Representation Systems. In John Sowa (ed.), Principles of Semantic Networks: Explorations in the Representation of Knowledge. Morgan Kaufmann. 10) Wong, A. and Sriram, D., SHARED: An Information Model for Cooperative Product Development, Research in Engineering Design, pages 21 39, Fall, ) Harel, D. and Kupferman, O On the Behavioral Inheritance of State-Based Objects. In Proceedings of the Technology of Object-Oriented Languages and Systems (TOOLS 34'00) (July 30 - August 03, 2000). TOOLS. IEEE Computer Society, Washington, DC, 83. 2

9 Question 3 : En génie logiciel (GL), les travaux de développement et maintenance mobilisent la presque totalité des ressources disponibles, ce qui fait que l on accorde peu d importance à retenir les leçons des expériences passées ou même à mettre en place des systèmes de gestion des connaissances facilitant la réutilisation. Pourtant, du fait que le GL est essentiellement un travail requérant de l intelligence, cela signifie qu une très importante partie des connaissances utiles se retrouvent dans les connaissances tacites qui sont plus difficilement formalisées et capturées. À partir d une revue de la littérature proposée, définissez ce que signifie les connaissances tacites en GL, identifiez les principaux domaines du génie logiciel qui auraient intérêt à être couverts et indiquez des exemples de formalismes qui pourraient être employés pour représenter ces connaissances dans le domaine de l ingénierie des exigences. MAY Daniel and al., 2003, Knowledge Management with Patterns, Communications of the ACM, vol. 46 no. 7, July, p RUS Iona adn al., 2002, Knowledge Management in Software Engineering, IEEE Software, May/June, p RAMESH Balasubramaniam, 2002, Knowledge Management in Software Engineering, IEEE Software, May/June, p Ramasubramanian S and al., Knowledge Management at Infosys, IEEE Software, May/June, p NONAKA Ikujiro, The Knowledge Creating Co., 1995, N.Y. Oxford University Press, 284 p. BAETJER Howard Jr., 1998, Software as capital, IEEE Computer Society, 194p. 3

10 VOLET COGNITIF Question 1 Montrez comment la psychologie cognitive, à travers des notions comme celles de réseau sémantique ou de schéma, par exemple, a contribué aux modèles contemporains de représentation des connaissances en informatique cognitive. : Anderson, J. R. and G. H. Bower. Human Associative Memory. V.H. Winston and Sons, Bechtel, W. et G. Graham. (1999). Blackwell Companion to Cognitive Science. Oxford: Blackwell Lehmann, Fritz, ed. (1992) Semantic Networks in Artificial Intelligence, Pergamon Press, Oxford. Russell, S. and P. Norvig. (1995). Artificial Intelligence: A modern approach. Prentice-Hall. Sowa, J. (1999). Knowledge Representation: Logical, Philosophical, and Computational Foundations. Boston: Thomson/Course Technology Sowa, John F., ed. (1991) Principles of Semantic Networks: Explorations in the Representation of Knowledge, Morgan Kaufmann Publishers, San Mateo, CA, Wilson, R. et F. Keil, (2001). The MIT Encyclopaedia of the Cognitive Sciences. Cambridge: MIT Press. Question 2 Les sciences cognitives explorent actuellement une foule de nouvelles idées concernant la cognition (ex. cognition située, cognition incarnée, cognition distribuée, computation affective, systèmes dynamiques, etc.). Explorez les impacts que pourraient avoir quelques-uns de ces nouveaux paradigmes sur la conception de systèmes informatisés de gestion des connaissances. : Clark, Andy (1997). Being There: Putting Brain, Body, and World Together Again. Cambridge: MIT Press. Dourish, Paul (2004). Where the Action Is : The Foundations of Embodied Interaction. Cambridge: MIT Press. Gay, Geri and Helene Hembrooke (2004). Activity-Centered Design : An Ecological Approach to Designing Smart Tools and Usable Systems. Cambridge: MIT Press. Groff, Todd R. and Thomas P. Jones (2003). Introduction to Knowledge Management, First Edition : KM in Business. New York: Butterworth-Heinemann Picard, Rosalind (2000). What does it mean for a computer to have emotions? In Emotions in Humans and Artifacts, ed. by R. Trappl, P. Petta and S. Payr. Cambridge: MIT Press. Suchman, Lucy A. (1987). Plans and Situated Actions : The Problem of Human-Machine Communication. Cambridge: Cambridge University Press. Question 3 Un système d information intelligent doit pouvoir gérer efficacement les nouvelles connaissances acquises (les catégoriser, les classer, les insérer dans les précédentes, etc.). Les paradigmes symbolique et connexionniste de l intelligence artificielle conçoivent différemment ces processus. Comparez ces deux paradigmes en faisant ressortir leurs avantages et inconvénients pour la gestion des nouvelles connaissances. 4

11 : Alpaydin, Ethem (2004). Introduction to Machine Learning. Cambridge: MIT Press. Anderson, J.A. (1995). An introduction to neural networks. Cambridge: MIT Press. Deutch, S. et A. Deutch (1993). Understanding the nervous system. IEEE Press. Fodor, J.A. et Z.W. Pylyshyn (1988). Connectionism and Cognitive Architecture: A Critical Analysis. Cognition, vol. 28, pp Haykin, S. (1999). Neural Networks. A comprehensive foundation. Prentice Hall. O Reilly, R.C. and Y. Munakata (2000). Computational Explorations in Cognitive Neuroscience. Cambridge: MIT Press. Russell, S. and P. Norvig. (1995). Artificial Intelligence: A modern approach. Prentice-Hall. Wilson, R. et F. Keil, (2001). The MIT Encyclopaedia of the Cognitive Sciences. Cambridge: MIT Press. Witten, Ian H. and Eibe Frank (2005). Data Mining: Practical Machine Learning Tools and Techniques, Second Edition. Palo Alto : Morgan Kaufmann. 5

12 DIC9401 ÉTUDIANT : EXAMEN GÉNÉRAL C VOLET : INFORMATIQUE Question 1 Plusieurs classes des problèmes informatiques ont été identifiées pour lesquelles sont associées des catégories d algorithmes. Certains de ces problèmes sont dits de classe polynomiale (P), d autres de classe non polynomiale (NP), etc. On vous demande d identifier quelques-unes de ces classes et de les illustrer à l aide de problèmes. On vous demande également de donner des indications quant aux méthodes de preuves utilisées pour montrer l appartenance d un problème à une classe donnée. H. Papadimitriou, Computational complexity, Addison-Wesley, 1994 M. Garey, D. Johnson, Computers and intractability, W.H. Freeman & Co., 1979 Scott Aarson, Is P versus NP formally independent?, Michael Sipser, The history of status of the P versus NP question,, Dept of Mathematics, Massachusetts Institute of Technology Question 2 En informatique, pour divers domaines d application (ex. bases de données, intelligence artificielle, forage de données, téléinformatique,..), on utilise diverses structures de données relativement élaborées pour représenter et implanter des solutions. Quels sont les problèmes de représentation ou de structuration en jeu? Montrez leurs avantages et leurs inconvénients en les illustrant avec des exemples. A. V. Aho, J. D. Ullman, J. E. Hopcroft, Data Structures and Algorithms, 1st edition, Addison-Wesley, 1983, ISBN J. Basch, L. J. Guibas and J. Hershberger. Data Structures for Mobile Data. Journal of Algorithms, 31(1), pp. 1-28, T. H. Cormen, C. E. Leiserson and R. L. Rivest. Introduction to Algorithms. MIT Press, Cambridge MA, B. Chazelle and L. J. Guibas, Fractional cascading: I. A data structuring technique. Algorithmica, 1, pp , Bayer, R., M. Schkolnick. Concurrency of Operations on B-Trees. In Readings in Database Systems (ed. Michael Stonebraker), pages , Florent Masseglia, Pascal Poncelet and Maguelonne Teisseire. Extraction de motifs séquentiels : problèmes et méthodes. Dans: Numéro spécial, Ingénierie des Systèmes d'information (ISI), Vol. 9(3/4): ,

13 Question 3 Dans les travaux sur les réseaux informatiques, plusieurs algorithmes de routage (routing) ont été proposés dans la littérature. Par ailleurs, de nouveaux réseaux ont vu le jour depuis quelques années dont les réseaux sans fil et les réseaux ambiants (ad-hoc). De nouvelles approches évolutionnistes et d intelligence collective, par exemple inspirées de la vie des insectes (notamment les fourmis) ont été avancées. On vous demande de montrer le fonctionnement de ces algorithmes dans le contexte de ces réseaux et de montrer leur efficacité et leur degré de réalisation. B. Johnson, David A. Maltz: Dynamic Source Routing in Ad Hoc Wireless Networks, Mobile Computing, Thomasz Imielinski and Hank Korth (Editors), Vol. 353, Chapter 5, pp , Kluwer Academic Publishers, Mesut Günes et. A., l Ant-based Routing Algorithm for Mobile Ad-Hoc Networks -., ARA - the ant-colony based routing algorithm for manets, In Stephan Olariu, editor, Proceedings of the 2002 ICPP Workshop on Ad Hoc Networks (IWAHN 2002), pages 79-85, IEEE Computer Society Press, August 2002, Mesut Günes, Udo Sorges, Imed Bouazizi: ARA - The Ant-Colony Based Routing Algorithm for MANETs. ICPP Workshops 2002: Yihan Li, Shivendra S. Panwar and Srinivas Burugupall, A Mobile Sensor Network Using Autonomously Controlled Animals. Polytechnic University, Brooklyn, NY. 2

14 VOLET COGNITIF Question 1 Montrer les liens entre les concepts techniques de grammaires, règle, fonction récursive, machine de Turing et les théories de la représentation en sciences cognitives. Question 2 Situer quelques modèles dits de «la représentation des connaissances» en regard à la théorie de l intelligence collective? Question 3 Comment se situent les théories de l information symboliques et non symboliques en regard des théories de la cognition? pertinentes aux trois questions: Luger, G. F. (2002). Artificial Intelligence : Structures and Strategies for Complex Problem Solving (Fourth ed.). Addison-Wesley. Introduction de l'encyclopédie du MIT, Wilson, Keil (MIT 1999) Vocabulaire de sciences cognitives, Houdé, Kayser, Koenig (PUF 1998) Blackwell Companion to Cognitive Science, (Bechtel et Graham. (1999),Blackwell, PYLYSHYN, Z. (1984), Computation and Cognition. Toward a Foundation for Cognitive Science, Cambridge, Mass., The MIT Press. Negnevitsky, M. (2002). Artificial Intelligence: A Guide to Intelligent Systems. Addison S. Russell and P. Norvig. "Artificial Intelligence: A Modern Approach". Prentice Hall Churchland, P.M., Churchland, P.S `Could a Machine Think?'. Scientific American, 262 (Jan.), Flückiger Federico (1995) Contributions s Towards a Unified Concept of Information PHd dissertation, ( disponible sur le web) Soulié.,F. Les theories de la complexité. Seuil Swarm Intelligence: From Natural to Artificial Systems by Eric Bonabeau, Marco Dorigo and Guy Theraulaz 1999 Swarm Intelligence by James Kennedy and Russell C. Eberhart

15 DIC9401 EXAMEN GÉNÉRAL ÉTUDIANT : D VOLET : COGNITIF QUESTION 1: Le débat autour de l innéisme est au cœur des théories visant à décrire les processus d acquisition du langage. Discutez de cette opposition inné/acquis en vous basant sur les notions présentées dans la bibliographie partielle. : Chomsky, N. Knowledge of language, New York, Praeger. MacNeilage, P. F. (1997) : «Acquisition of Speech», in Hardcastle, W. J. and Laver, J. (eds), Handbook of Phonetic Sciences, Cambridge/Oxford, Blackwell Publishers, MacNeilage, P. F. and Davis, B. L. (2000) Evolution of speech: The relation between ontogeny and phylogeny. In Chris Knight, James R. Hurford and Michael Studdert- Kennedy, editors, The Evolutionary Emergence of Language: Social Function and the Origins of Linguistic Form. Cambridge: Cambridge University Press. Pinker, S. (1989) : Learnability and Cognition, Cambridge (Mass.), MIT Press. QUESTION 2: Si vous deviez concevoir un système informatique simulant l acquisition du langage, quels seraient les problèmes auxquels vous seriez confronté (par exemple, rôle de l input provenant de l environnement, rôle des informations sensorielles, présence ou non d un dictionnaire initial représentant la grammaire universelle, génération de règles, )? Comment serait-il possible de les résoudre?

16 : Chomsky, N. (1993) : The Minimalist Program, Cambridge (Mass.), MIT Press. Guenther, F.H., Hampson, M., and Johnson, D., (1998) : «A theoretical investigation of reference frames for the planning of speech movements», Psychological Review, 105, pp Guenther, F.H. (1995) : «A modeling framework for speech motor development and kinematic articulator control» Proceedings of the XIIIth International Congress of Phonetic Sciences (vol. 2, pp ). Stockholm, Sweden: KTH and Stockholm University. Jackendoff, R. (1987) : Consciousness and the Computational Mind, Cambridge (Mass.), MIT Press. Schwartz, J.-L. et Escudier, P. (2000) : La parole : des modèles cognitifs aux machines communicantes, Paris, Hermès. QUESTION 3 : Quelle approche en informatique cognitive (réseaux de neurones, algorithmes génétiques, robotique, ) vous semble la plus pertinente pour simuler l acquisition du langage et de la parole chez l enfant? Expliquez. : Boë, L.-J., Vallée, N., Badin, P., Schwartz, J.-L.; Abry, C. (2000) : «Tendencies in Phonological Structures: The Influence of Substance on Form», Bulletin de la Communication Parlée, 5, Kuhl, P. K. (1985) : «Categorization of speech by infants», in Mehler, J. et Fox, R. (eds), Neonate Cognition : Beyond the Blooming, Buzzing Confusion, Hillsdale (NJ), Erlbaum, Chomsky, N. (2002) : «Perspectives on language and mind», in Belleti, A., et Rizzi, L. (eds) On nature and language, Cambridge, Cambridge University Press, Oudeyer, P-Y. (2005) : «The Self-Organization of Speech Sounds», Journal of Theoretical Biology, 233(3):

17 DIC9401 EXAMEN GÉNÉRAL ÉTUDIANT : D VOLET : INFORMATIQUE Question 1 Une tâche importante en cognition est l évaluation de la similarité entre deux concepts, pour des fins de reconnaissance/classification, de résolution de problèmes par analogie, etc. En intelligence artificielle et sciences cognitives, ces mesures de similarité sont calculées en comparant des descriptions de concepts. Partant d une classification des différentes approches de représentation de connaissances, décrivez les principales mesures de similarité proposées dans la littérature, en mentionnant le domaine d application, et leur utilité ou pertinence. : Rumelhart, D. E. & Norman, D. A. (1988) Representation in memory. In R. C. Atkinson, R. J. Herrnstein, G. Lindzey, & R. D. Luce (Ed.), Stevens' Handbook of Experimental Psychology. New York: Wiley Quelques exemples d applications de mesures de similarité : Jaime Carbonell, Derivational Analogy in Problem Solving and Knowledge Acquisition, Proceedings of the International Machine Learning Workshop, Monticello, Illinois, June 1983, pp Roy Rada, Hafedh Mili, Ellen Bicknell, and Maria Blettner, ``Development and Applications of a Metric on Semantic Nets,'' IEEE Transactions on Systems, Man, and Cybernetics, Jan/Feb 1989, vol 19(1), pp Neil A. Maiden et Alistair G. sutcliffe, «Exploiting Reusable Specifications Through Analogy, Communications of the ACM, April 1992, vol. 35, no. 4, pp , special issue on CASE Information Retrieval Research, eds R. N. Oddy, S. E. Robertson, C. J. van Rijsbergen, et P. W. Williams, Butterworths, London, 1981 Question 2 La fouille d informations consiste à trouver des documents pertinents à une requête de l utilisateur, souvent formulée en langage naturel. Décrivez l apport de la linguistique computationnelle à la théorie et à la pratique de la fouille d informations textuelles. Commentez la problématique particulière de l information sur le web. :

18 Ricardo Baeza-Yates et Berthier Ribeiro-Neto, Modern Information Retrieval, Addison Wesley, Lewis, D. D. and Jones, K. S Natural language processing for information retrieval. Commun. ACM 39, 1 (Jan. 1996), Smeaton, A. F Progress in the application of natural language processing to information retrieval tasks. Comput. J. 35, 3 (Jun. 1992), Peter Jackson & Isabelle Moulinier, Natural Language Processing for On-line applications: Text retrieval, extraction, and categorization, John Benjamins, July 2002 Moldovan, D. I. and Mihalcea, R Using WordNet and Lexical Operators to Improve Internet Searches. IEEE Internet Computing 4, 1 (Jan. 2000), Question 3 Peut-on utiliser UML pour la représentation de connaissances? Répondez à cette question dans le contexte d une comparaison d UML à OWL, et aux logiques de description en général. : Nardi, D. and Brachman, R. J An introduction to description logics. In the Description Logic Handbook: theory, Implementation, and Applications, F. Baader, D. Calvanese, D. L. McGuinness, D. Nardi, and P. F. Patel-Schneider, Eds. Cambridge University Press, New York, NY, Disponible aussi sur le web. Ian Horrocks, Peter F. Patel-Schneider, and Frank van Harmelen. From SHIQ and RDF to OWL: The making of a web ontology language. J. of Web Semantics, 1(1):7-26, LARMAN, Craig Applying UML and Patterns - An Introduction to Object-Oriented Analysis and Design Third Edition, Prentice-Hall, 2005, ISBN: OU LARMAN, Craig UML et les Design Patterns, Campus Press, FOWLER, Martin & SCOTT, Kendall UML Distilled - Applying the Standard Object Modeling Language Addison-Wesley, 1997 ISBN

19 DIC9401 EXAMEN GÉNÉRAL ÉTUDIANT : E VOLET : INFORMATIQUE QUESTION 1 : Présentez les principales méthodes de regroupement de données (clustering) en faisant ressortir leurs avantages et inconvénients. : Han, J. and Kamber, M. (2006). Data Mining : Concepts and Techniques, Morgan Kaufmann. Berkhin, P. (2002). Survey of Clustering Data Mining Techniques, Accrue Software. uctszszrp_cluster_review.pdf/berkhin02survey.pdf Jain, A. K., Murty, M. N. and Flynn, P. J. (1999). "Data Clustering: A Review." ACM Computing Surveys 31(3): szsz..zsztgvzszjain.pdf/jain99data.pdf QUESTION 2: Présentez les principaux algorithmes d extraction de motifs fermés fréquents en contrastant leur manière d explorer l espace des motifs. : Han, J. and Kamber, M. (2006). Data Mining : Concepts and Techniques, Morgan Kaufmann. Zaki, M. J. and Hsiao, C.-J. (2005). "Efficient Algorithms for Mining Closed Itemsets and Their Lattice Structure." IEEE Transactions on Knowledge and Data Engineering 17(4): Lucchese, C., Orlando, S. and Perego, R. (2006). "Fast and Memory Efficient Mining of Frequent Closed Itemsets." IEEE Transactions on Knowledge and Data Engineering 18(1): Valtchev, P., Missaoui, R., Godin, R. and Meridji, M. (2002). "Generating Frequent Itemsets Incrementally : two Novel Approaches based on Galois Lattice Theory." Journal of Experimental & Theoretical Artificial Intelligence (JETAI ) : Special Issue on Concept Lattice-based theory, methods and tools for Knowledge Discovery in Databases 14(2/3): Aaron Ceglar and John F. Roddick (2006) Association mining, ACM Comput. Surv., vol. 38(2), pp. 5,

20 Jianyong Wang and Jiawei Han and Jian Pei (2003), CLOSET+: searching for the best strategies for mining frequent closed itemsets, KDD '03: Proceedings of the ninth ACM SIGKDD international conference on Knowledge discovery and data mining, pp , Washington, D.C., QUESTION 3 : Expliquez le principe du raisonnement dans un système à base de règles et expliquez le rôle joué par un réseau RETE dans l optimisation des performances. Présentez quelques raffinements possibles alternatifs en prenant comme point de départ l article suivant : : Luger, G.F. Artificial Intelligence : Structures and Strategies for Complex Problem Solving. Addison-Wesley, Jack S. E. Tan and Jaideep Srivastava and Sashi Shekhar (1992) On the construction of efficient match networks, SAC '92: Proceedings of the 1992 ACM/SIGAPP Symposium on Applied computing, pp , Kansas City, Missouri, United States, D. P. Miranker and B. J. Lofaso (1991), The Organization and Performance of a TREAT-Based Production System Compiler, IEEE Transactions on Knowledge and Data Engineering, vol. 3(1), pp. 3-10, Eric N. Hanson (1996) The Design and Implementation of the Ariel Active Database Rule System, IEEE Transactions on Knowledge and Data Engineering, vol. 8(1), pp , Daniel P. Miranker and David A. Brant (1990) An Algorithmic Basis for Integrating Production Systems and Large Databases, Proceedings of the Sixth International Conference on Data Engineering, pp , Washington, DC, USA.

Ingénierie et gestion des connaissances

Ingénierie et gestion des connaissances Master Web Intelligence ICM Option Informatique Ingénierie et gestion des connaissances Philippe BEAUNE Philippe.Beaune@emse.fr 18 novembre 2008 Passer en revue quelques idées fondatrices de l ingénierie

Plus en détail

Il y a de l'ia dans les programmes de l'agence Nationale de la Recherche Bertrand Braunschweig Responsable de programmes Paris, 3 Novembre 2006

Il y a de l'ia dans les programmes de l'agence Nationale de la Recherche Bertrand Braunschweig Responsable de programmes Paris, 3 Novembre 2006 Il y a de l'ia dans les programmes de l'agence Nationale de la Recherche Bertrand Braunschweig Responsable de programmes Paris, 3 Novembre 2006 www.agence-nationale-recherche.fr Bref historique Un objectif

Plus en détail

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

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

Plus en détail

Cours : INF 784 Systèmes à base de connaissances Trimestre : Automne 2015 Enseignant : Évariste Valéry BÉVO WANDJI

Cours : INF 784 Systèmes à base de connaissances Trimestre : Automne 2015 Enseignant : Évariste Valéry BÉVO WANDJI Faculté des sciences Centre de formation en technologies de l information Cours : INF 784 Systèmes à base de connaissances Trimestre : Automne 2015 Enseignant : Évariste Valéry BÉVO WANDJI 1. Mise en contexte

Plus en détail

Intellectica, 1991/1, 11, pp. 7-13 INTRODUCTION

Intellectica, 1991/1, 11, pp. 7-13 INTRODUCTION 1 Intellectica, 1991/1, 11, pp. 7-13 INTRODUCTION L'étude psychologique du raisonnement concerne deux vastes domaines situés à des niveaux d'analyse différents. Le premier niveau est celui de la macrostructure

Plus en détail

Plan de cours. Département d informatique Faculté des sciences. 1 Introduction... 2. 2 Présentation... 5. 3 Contenu... 7 4 Organisation...

Plan de cours. Département d informatique Faculté des sciences. 1 Introduction... 2. 2 Présentation... 5. 3 Contenu... 7 4 Organisation... /informatique Plan de cours IGL 301 Spécification et vérification des exigences (hiver 2010 - Liban) Enseignant Luc LAVOIE Courriel :Luc.Lavoie@USherbrooke.ca Bureau : D4-1010- 12 Téléphone : (819) 821-8000

Plus en détail

Indexation de sous-collections pour l amélioration de la haute précision

Indexation de sous-collections pour l amélioration de la haute précision Indexation de sous-collections pour l amélioration de la haute précision Joëlson Randriamparany *,** *IRIT, Institut de Recherche Informatique de Toulouse Université Paul Sabatier Toulouse III 118 Route

Plus en détail

l Intelligence Artificielle

l Intelligence Artificielle 1 Introduction à l Intelligence Artificielle Antoine Cornuéjols antoine@lri.fr http://www.iie.cnam.fr/~cornuejols/ I.I.E. & L.R.I., Université d Orsay Intelligence Artificielle : plan 2 1-2- 3-4- 5-6-

Plus en détail

CURRICULUM VITAE. Informations Personnelles

CURRICULUM VITAE. Informations Personnelles CURRICULUM VITAE Informations Personnelles NOM: BOURAS PRENOM : Zine-Eddine STRUCTURE DE RATTACHEMENT: Département de Mathématiques et d Informatique Ecole Préparatoire aux Sciences et Techniques Annaba

Plus en détail

Intelligence Artificielle et Robotique

Intelligence Artificielle et Robotique Intelligence Artificielle et Robotique Introduction à l intelligence artificielle David Janiszek david.janiszek@parisdescartes.fr http://www.math-info.univ-paris5.fr/~janiszek/ PRES Sorbonne Paris Cité

Plus en détail

Économétrie, causalité et analyse des politiques

Économétrie, causalité et analyse des politiques Économétrie, causalité et analyse des politiques Jean-Marie Dufour Université de Montréal October 2006 This work was supported by the Canada Research Chair Program (Chair in Econometrics, Université de

Plus en détail

Construction et enrichissement d une ontologie à partir d un corpus de textes

Construction et enrichissement d une ontologie à partir d un corpus de textes Lyon - France Construction et enrichissement d une ontologie à partir d un corpus de textes Rokia BENDAOUD LORIA Campus Scientifique - BP 239 54506 VANDOEUVRE-lès-NANCY CEDEX {Rokia.Bendaoud}@loria.fr

Plus en détail

Philosophie de l esprit L esprit des animaux non humains

Philosophie de l esprit L esprit des animaux non humains PHI-7302 Philosophie de l esprit L esprit des animaux non humains Professeure : Renée Bilodeau I BUT DU COURS Les découvertes scientifiques récentes nous ont conduits à revoir en profondeur notre conception

Plus en détail

Une méthode d apprentissage pour la composition de services web

Une méthode d apprentissage pour la composition de services web Une méthode d apprentissage pour la composition de services web Soufiene Lajmi * Chirine Ghedira ** Khaled Ghedira * * Laboratoire SOIE (ENSI) University of Manouba, Manouba 2010, Tunisia Soufiene.lajmi@ensi.rnu.tn,

Plus en détail

Extraction de règles d association pour la prédiction de valeurs manquantes

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

Plus en détail

GIND5439 Systèmes Intelligents. Chapitre 1: Intelligence artificielle

GIND5439 Systèmes Intelligents. Chapitre 1: Intelligence artificielle GIND5439 Systèmes Intelligents Chapitre 1: Intelligence artificielle Contenu du chapitre Approches vs Intelligence artificielle Définition de l intelligence Historique Le test de Turing 2 Approches Science

Plus en détail

N.B. : Cette page est vide dans le document imprimé.

N.B. : Cette page est vide dans le document imprimé. Bibliographie N.B. : Cette page est vide dans le document imprimé. Bibliographie PROTOCOLE DE COLLABORATION CONCERNANT L'ÉDUCATION DE BASE DANS L'OUEST CANADIEN (2000). Fondements du Cadre commun des résultats

Plus en détail

Modules de spécialisation du parcours «Conduite d entreprises»

Modules de spécialisation du parcours «Conduite d entreprises» Modules de spécialisation du parcours «Conduite d entreprises» Ce parcours est dédié aux systèmes complexes se composant de nombreux sous-systèmes interagissant à de multiples niveaux d organisation et

Plus en détail

INF 721 Mesures et indicateurs du génie logiciel Trimestre Été 2015 Professeur. Évariste Valéry BÉVO WANDJI

INF 721 Mesures et indicateurs du génie logiciel Trimestre Été 2015 Professeur. Évariste Valéry BÉVO WANDJI UNIVERSITÉ DE SHERBROOKE FACULTÉ DES SCIENCES CENTRE DE FORMATION EN TECHNOLOGIES DE L INFORMATION PLAN DE COURS Cours INF 721 Mesures et indicateurs du génie logiciel Trimestre Été 2015 Professeur Évariste

Plus en détail

La sélection collaborative de pages Web pertinentes

La sélection collaborative de pages Web pertinentes Environnements Informatiques pour l Apprentissage Humain, Montpellier 347 La sélection collaborative de pages Web pertinentes Jérôme Dinet Université de Metz Equipe Transdisciplinaire sur l Interaction

Plus en détail

UQÀM UNIVERSITÉ DU QUÉBEC À MONTRÉAL ÉCOLE DES SCIENCES DE LA GESTION DOCTORAT CONJOINT EN ADMINISTRATION MÉTHODES DE RECHERCHE EN GESTION ADM 9201

UQÀM UNIVERSITÉ DU QUÉBEC À MONTRÉAL ÉCOLE DES SCIENCES DE LA GESTION DOCTORAT CONJOINT EN ADMINISTRATION MÉTHODES DE RECHERCHE EN GESTION ADM 9201 UQÀM UNIVERSITÉ DU QUÉBEC À MONTRÉAL ÉCOLE DES SCIENCES DE LA GESTION DOCTORAT CONJOINT EN ADMINISTRATION MÉTHODES DE RECHERCHE EN GESTION ADM 9201 Plan de cours Cataldo Zuccaro, MBA, Ph.D. Département

Plus en détail

Antoine Cornuéjols. 1- Introduction à l IA. 1.1- C est quoi l intelligence? 1.2- Comment étudier l intelligence? AgroParisTech

Antoine Cornuéjols. 1- Introduction à l IA. 1.1- C est quoi l intelligence? 1.2- Comment étudier l intelligence? AgroParisTech ! 7 séances de 3h (cours + TD/TP)! Programme et références sur : http://www.agroparistech.fr/ufr-info/membres/cornuejols/teaching/agro/cours-ia/ iodaa-cours-ia.html Antoine Cornuéjols AgroParisTech! Contrôle

Plus en détail

1. Mise en contexte. 2. Descripteur du cours. Cours : INF 727 Analyse des besoins en TI Trimestre : Hivers 2014 Enseignant : Michel Céré

1. Mise en contexte. 2. Descripteur du cours. Cours : INF 727 Analyse des besoins en TI Trimestre : Hivers 2014 Enseignant : Michel Céré Faculté des sciences Centre de formation en technologies de l information Cours : INF 727 Analyse des besoins en TI Trimestre : Hivers 2014 Enseignant : Michel Céré 1. Mise en contexte Les activités d

Plus en détail

Département d'informatique, Université Laval, IFT-63677 SBC V&V : VÉRIFICATION ET VALIDATION DES SBC

Département d'informatique, Université Laval, IFT-63677 SBC V&V : VÉRIFICATION ET VALIDATION DES SBC Assurance qualité logicielle Logiciel conventionnel SBC Fiabilité Facilité d'entretien Facilité des modifications Principales causes d erreur Absence de spécification, manque de conformité (1) Erreurs

Plus en détail

Publications dans des revues et ouvrages à comité de lecture

Publications dans des revues et ouvrages à comité de lecture Publications dans des revues et ouvrages à comité de lecture Articles publiés ou sous presse dans des revues à comité de lecture Chevalier, A., & Bonnardel, N. (in press). Articulation of Web Site Design

Plus en détail

Etat de l art sur l utilisation des techniques Web Sémantique en ECD

Etat de l art sur l utilisation des techniques Web Sémantique en ECD Etat de l art sur l utilisation des techniques Web Sémantique en ECD Hicham Behja ENSAM Meknès(1,2,3) Brigitte Trousse Projet AxIS INRIA Sophia Antipolis (2) Abdelaziz Marzak Faculté des sciences Casablanca

Plus en détail

Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services

Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services 69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard

Plus en détail

L ANALYSE DU RISQUE DE FAILLITE PAR LE BIAIS DES SYSTÈMES DE L INTELLIGENCE ARTIFICIELLE

L ANALYSE DU RISQUE DE FAILLITE PAR LE BIAIS DES SYSTÈMES DE L INTELLIGENCE ARTIFICIELLE L ANALYSE DU RISQUE DE FAILLITE PAR LE BIAIS DES SYSTÈMES DE L INTELLIGENCE ARTIFICIELLE Paul Pașcu, Assist Prof, PhD, Ștefan cel Mare University of Suceava Abstract: This article aims to present a number

Plus en détail

Génie Logiciel. Reda Bendraou reda.bendraou{{@}}lip6.fr http://pagesperso-systeme.lip6.fr/reda.bendraou/

Génie Logiciel. Reda Bendraou reda.bendraou{{@}}lip6.fr http://pagesperso-systeme.lip6.fr/reda.bendraou/ Génie Logiciel Reda Bendraou reda.bendraou{{@}}lip6.fr http://pagesperso-systeme.lip6.fr/reda.bendraou/ Le contenu de ce support de cours a été influencé par les lectures citées à la fin de ce support.

Plus en détail

Introduction au WEB Sémantique Cours 2 : Ontologies

Introduction au WEB Sémantique Cours 2 : Ontologies Cours 2 : Ontologies ESIL Université de la méditerranée Odile.Papini@esil.univmed.fr http://odile.papini.perso.esil.univmed.fr/index.html Plan du cours 1 Introduction 2 3 4 5 Bibliographie I Supports de

Plus en détail

CONTRAT D ETUDES - LEARNING AGREEMENT

CONTRAT D ETUDES - LEARNING AGREEMENT CONTRAT D ETUDES - LEARNING AGREEMENT Règles générales La présence aux séances d enseignement des modules choisis est obligatoire. Chaque module comporte des séances de travail encadrées et non encadrées

Plus en détail

Prise de position de la section 7. travail sur une possible partition

Prise de position de la section 7. travail sur une possible partition Prise de position de la section 7 travail sur une possible partition Notre prise de position est structurée comme suit : dans une première partie, nous expliquons le contexte dans lequel notre travail

Plus en détail

Introduction à l intelligence artificielle

Introduction à l intelligence artificielle Introduction à l intelligence artificielle Jean-Daniel Zucker@lip6.fr http://www-poleia.lip6.fr/~zucker Laboratoire LIP6 Thème APA - Equipe ACASA Cours I Page 1 Introduction à l intelligence artificielle

Plus en détail

Artificial Intelligence AI

Artificial Intelligence AI Pedagogical Introduction Artificial Intelligence AI Lecture 0 Karim Bouzoubaa This Lecture General Information Examples Importance At the end Intelligent Systems Course Content, Other AI courses, Learning

Plus en détail

Initiation à la Programmation par l exemple : concepts, environnement, et étude d utilité

Initiation à la Programmation par l exemple : concepts, environnement, et étude d utilité Initiation à la Programmation par l exemple : concepts, environnement, et étude d utilité Nicolas Guibert, Laurent Guittet, Patrick Girard To cite this version: Nicolas Guibert, Laurent Guittet, Patrick

Plus en détail

Laboratoire 4 Développement d un système intelligent

Laboratoire 4 Développement d un système intelligent DÉPARTEMENT DE GÉNIE LOGICIEL ET DES TI LOG770 - SYSTÈMES INTELLIGENTS ÉTÉ 2012 Laboratoire 4 Développement d un système intelligent 1 Introduction Ce quatrième et dernier laboratoire porte sur le développement

Plus en détail

Recherche d information en langue arabe : influence des paramètres linguistiques et de pondération de LSA

Recherche d information en langue arabe : influence des paramètres linguistiques et de pondération de LSA RÉCITAL 2005, Dourdan, 6-10 juin 2005 Recherche d information en langue arabe : influence des paramètres linguistiques et de pondération de LSA Siham Boulaknadel (1,2), Fadoua Ataa-Allah (2) (1) LINA FRE

Plus en détail

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

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

Plus en détail

Enrichissement des bases de données d images médicales via la recherche participative

Enrichissement des bases de données d images médicales via la recherche participative BOUANANI Zahra (Laboratoire LIPADE, Soutenance Université Parisde Descartes, stagefrance) pour l obtention 11 Septembre du diplôme 2014 de1 Mast / 22 Soutenance de stage pour l obtention du diplôme de

Plus en détail

IFT2251 Introduction au génie logiciel Plan de cours. 2. Description du cours et objectifs généraux

IFT2251 Introduction au génie logiciel Plan de cours. 2. Description du cours et objectifs généraux IFT2251 Introduction au génie logiciel Plan de cours Été 2008 Yann-Gaël Guéhéneuc 1. Introduction Les exigences et les attentes à l égard de la qualité logicielle sont de plus en plus grandes. La taille

Plus en détail

L hypertexte, le multimédia, c est quoi?

L hypertexte, le multimédia, c est quoi? L hypertexte, le multimédia, c est quoi? Hervé Platteaux Centre NTE et Département de pédagogie Université de Fribourg Cours de pédagogie - Second cycle Session du 29 octobre 2001 Selon vous, l hypertexte

Plus en détail

Séminaire. de Cédric Graf Prof. Rolf Ingold Dr. Denis Lalanne Document, Image and Voice Analysis (DIVA) University of Fribourg

Séminaire. de Cédric Graf Prof. Rolf Ingold Dr. Denis Lalanne Document, Image and Voice Analysis (DIVA) University of Fribourg Séminaire de Cédric Graf Prof. Rolf Ingold Dr. Denis Lalanne Document, Image and Voice Analysis (DIVA) University of Fribourg 1 Y. Azoz, L. Devi, and R. Sharma. Reliable of human arm dynamics by multiple

Plus en détail

L'intelligence artificielle

L'intelligence artificielle Texte de la 263 e conférence de l'université de tous les savoirs donnée le 19 septembre 2000. L'intelligence artificielle par JEAN-PAUL HATON Dès le début de l intelligence artificielle (IA) dans les années

Plus en détail

L Intelligence Artificielle

L Intelligence Artificielle Conférence L Intelligence Artificielle Taalabi M. 30/04/2004 Intelligence Artificielle 1 Historique Définition Paradigmes Systèmes experts Concevoir un système expert Système à Inférence floue Applications

Plus en détail

Une extension pour RDF/RDFS utilisant des relations procédurales

Une extension pour RDF/RDFS utilisant des relations procédurales Une extension pour RDF/RDFS utilisant des relations procédurales Jean-François Baget * * INRIA Sophia-Antipolis & LIRMM(CNRS - UM2) LIRMM, 161 rue Ada, 34392 Montpellier Cedex 5 baget@lirmm.fr RÉSUMÉ.

Plus en détail

Intelligence Artificielle. Dorra BEN AYED

Intelligence Artificielle. Dorra BEN AYED Intelligence Artificielle Dorra BEN AYED Chapitre 1 Introduction et Présentation Générale Sommaire Introduction Historique Définitions de l IAl Domaines d applicationd Les approches de l IA cognitive,

Plus en détail

Solution A La Gestion Des Objets Java Pour Des Systèmes Embarqués

Solution A La Gestion Des Objets Java Pour Des Systèmes Embarqués International Journal of Engineering Research and Development e-issn: 2278-067X, p-issn: 2278-800X, www.ijerd.com Volume 7, Issue 5 (June 2013), PP.99-103 Solution A La Gestion Des Objets Java Pour Des

Plus en détail

20 janvier : Modèle scientifique Enjeux méthodologiques et épistémologiques Grands débats méthodologiques et épistémologiques

20 janvier : Modèle scientifique Enjeux méthodologiques et épistémologiques Grands débats méthodologiques et épistémologiques INT 6100 Séminaire de méthodologie Ekaterina Piskunova Hiver 2006 Heures de bureau : mercredi, 11.30 15.30 ou sur rendez-vous Adresse électronique : ekaterina.piskunova @umontreal.ca Objectifs Ce cours

Plus en détail

Article de recherche théorique et article de recherche empirique : particularités 1

Article de recherche théorique et article de recherche empirique : particularités 1 La présentation d un article de recherche de type théorique 1 Article de recherche théorique et article de recherche empirique : particularités 1 Gilles Raîche, professeur Université du Québec à Montréal

Plus en détail

OrderGeneMiner : Logiciel pour l extraction et la visualisation de motifs partiellement ordonnés à partir de puces à ADN

OrderGeneMiner : Logiciel pour l extraction et la visualisation de motifs partiellement ordonnés à partir de puces à ADN OrderGeneMiner : Logiciel pour l extraction et la visualisation de motifs partiellement ordonnés à partir de puces à ADN Mickaël Fabrègue, Agnès Braud, Sandra Bringay, Florence Le Ber, Charles Lecellier,

Plus en détail

Une introduction à l intelligence artificielle

Une introduction à l intelligence artificielle Une introduction à l intelligence artificielle Jean-Paul Haton Institut Universitaire de France LORIA/INRIA- Université de Lorraine Séminaire Espé DANE 13 janvier 2016 1 Plan de l exposé 2 the conjecture

Plus en détail

Analyse des logiciels d application spécialisée pour le courtage en épargne collective

Analyse des logiciels d application spécialisée pour le courtage en épargne collective Analyse des logiciels d application spécialisée pour le courtage en épargne collective Dép. de mathématiques et de génie industriel École Polytechnique de Montréal C.P. 6079, succ. Centre-ville Montréal

Plus en détail

Concepts et langages du cadre RM-ODP de l'iso pour analyser et articuler les pratiques de projets libres de système de formation

Concepts et langages du cadre RM-ODP de l'iso pour analyser et articuler les pratiques de projets libres de système de formation Concepts et langages du cadre RM-ODP de l'iso pour analyser et articuler les pratiques de projets libres de système de formation Système de formation fédérant trois projets du logiciel libre (Moodle, OpenGLM

Plus en détail

Product Platform Development: A Functional Approach Considering Customer Preferences

Product Platform Development: A Functional Approach Considering Customer Preferences Product Platform Development: A Functional Approach Considering Customer Preferences THÈSE N O 4536 (2009) PRÉSENTÉE le 4 décembre 2009 À LA FACULTé SCIENCES ET TECHNIQUES DE L'INGÉNIEUR LABORATOIRE DES

Plus en détail

CONTRIBUTION À LA CRÉATION D UN ENVIRONNEMENT INFORMATIQUE DE MODÉLISATION

CONTRIBUTION À LA CRÉATION D UN ENVIRONNEMENT INFORMATIQUE DE MODÉLISATION Quatrième colloque hypermédias et apprentissages 263 CONTRIBUTION À LA CRÉATION D UN ENVIRONNEMENT INFORMATIQUE DE MODÉLISATION Vassilis KOMIS*, Angélique DIMITRACOPOULOU**, Panayotis POLITIS*** * Computer

Plus en détail

Fouille de données: des bases binaires aux bases évidentielles

Fouille de données: des bases binaires aux bases évidentielles Fouille de données: des bases binaires aux bases évidentielles Ahmed Samet Faculté des sciences de Tunis Présenté le : 16 janvier 2013 Ahmed Samet Fouille de données: des bases binaires aux bases évidentielles

Plus en détail

Durée ou Modalité: Examen! MOTS CLES : Architecture d application, Internet, Web2, RIA, Service Oriented Architecture, XML

Durée ou Modalité: Examen! MOTS CLES : Architecture d application, Internet, Web2, RIA, Service Oriented Architecture, XML DEPARTEMENT INFORMATIQUE ET GESTION S 9 PIGUE9.1 ARCHITECTURE DES SYSTEMES D INFORMATION & INTERNET! COORDINATEUR : Christophe FIORIO! EQUIPE PEDAGOGIQUE : Christophe FIORIO, Tiberiu STRATULAT! VOLUME

Plus en détail

REMOTE DATA ACQUISITION OF EMBEDDED SYSTEMS USING INTERNET TECHNOLOGIES: A ROLE-BASED GENERIC SYSTEM SPECIFICATION

REMOTE DATA ACQUISITION OF EMBEDDED SYSTEMS USING INTERNET TECHNOLOGIES: A ROLE-BASED GENERIC SYSTEM SPECIFICATION REMOTE DATA ACQUISITION OF EMBEDDED SYSTEMS USING INTERNET TECHNOLOGIES: A ROLE-BASED GENERIC SYSTEM SPECIFICATION THÈSE N O 2388 (2001) PRÉSENTÉE AU DÉPARTEMENT D'INFORMATIQUE ÉCOLE POLYTECHNIQUE FÉDÉRALE

Plus en détail

Plateforme GraMAP. 1. Description de la plateforme

Plateforme GraMAP. 1. Description de la plateforme Plateforme GraMAP 1. Description de la plateforme GraMAP (Graph Matching Algorithms Platform) est une plateforme web dédiée aux algorithmes d appariement de graphes qui implémente l ensemble des algorithmes

Plus en détail

Propriétés du Document EMA. Résumé

Propriétés du Document EMA. Résumé Propriétés du Document Source du Document FSN OpenPaaS Titre du Document Définition et exploitation d un référentiel de processus collaboratifs : Rapport de synthèse quant aux référentiels existants Module(s)

Plus en détail

The Current State and Future of Search Based Software Engineering

The Current State and Future of Search Based Software Engineering The Current State and Future of Search Based Software Engineering Mark Harman 1 IEEE International Conference on Software Engineering FoSE 07: Future of Software Engineering 1 King's College, LONDON, UK

Plus en détail

Application de filtres collaboratifs et de fouille de texte pour sites de rencontres

Application de filtres collaboratifs et de fouille de texte pour sites de rencontres Application de filtres collaboratifs et de fouille de texte pour sites de rencontres Alexandre SPAETH 26 avril 2011 Alexandre SPAETH Filtres collaboratifs et fouille de texte pour sites de rencontres 26

Plus en détail

Modélisation des Interfaces Multidisciplinaires pour la Conception de Systèmes Mécatroniques

Modélisation des Interfaces Multidisciplinaires pour la Conception de Systèmes Mécatroniques 20 èmes journées STP du GdR MACS Jeudi 5 et Vendredi 6 février 2015 Modélisation des Interfaces Multidisciplinaires pour la Conception de Systèmes Mécatroniques Chen Zheng, Julien Le Duigou, Matthieu Bricogne,

Plus en détail

Analyse syntaxique et application aux langues naturelles. Jacques Farré et Sylvain Schmitz

Analyse syntaxique et application aux langues naturelles. Jacques Farré et Sylvain Schmitz Analyse syntaxique et application aux langues naturelles Jacques Farré et Sylvain Schmitz Plan du cours 2. Introduction, généralités, rappels 3. Analyse ascendante, LR, LALR, 4. N SLR, N LALR et LALR R

Plus en détail

Intelligence Artificielle Introduction

Intelligence Artificielle Introduction Intelligence Artificielle Introduction Bruno Bouzy http://web.mi.parisdescartes.fr/~bouzy bruno.bouzy@parisdescartes.fr Licence 3 Informatique UFR Mathématiques et Informatique Université Paris Descartes

Plus en détail

Accès au Contenu Informationnel pour les Masses de Données de Documents

Accès au Contenu Informationnel pour les Masses de Données de Documents Accès au Contenu Informationnel pour les Masses de Données de Documents Grappa LILLE 3 - UR Futurs INRIA MOSTRARE Laboratoire d Informatique de Paris 6 Laboratoire de Recherche en Informatique Orsay -

Plus en détail

Global patent index EP 2384082 A1

Global patent index EP 2384082 A1 Global patent index EP 2384082 A1 Title (en) Method and device for configuring a network of removed wireless sensors Title (de) Verfahren und Vorrichtung zur Konfiguration eines Sensornetzes ohne verlegte

Plus en détail

Génie Logiciel et Gestion de Projets

Génie Logiciel et Gestion de Projets Génie Logiciel et Gestion de Projets INFO-F-407 Ragnhild Van Der Straeten 2008-2009 ULB 1 Génie Logiciel et Gestion de Projets Organisation 2 Ragnhild Van Der Straeten VUB, 4K209 Campus Etterbeek rvdstrae@vub.ac.be

Plus en détail

CONSEILS POUR LA REDACTION DU RAPPORT DE RECHERCHE. Information importante : Ces conseils ne sont pas exhaustifs!

CONSEILS POUR LA REDACTION DU RAPPORT DE RECHERCHE. Information importante : Ces conseils ne sont pas exhaustifs! CONSEILS POUR LA REDACTION DU RAPPORT DE RECHERCHE Information importante : Ces conseils ne sont pas exhaustifs! Conseils généraux : Entre 25 et 60 pages (hormis références, annexes, résumé) Format d un

Plus en détail

Visualisation d information

Visualisation d information Master SIAD 1 année Visualisation d information Jean-Yves Antoine http://www.info.univ-tours.fr/~antoine/ Master SIAD 1 année Visualisation d information Chapitre 1.0 Introduction Quand voir, c est comprendre

Plus en détail

Forthcoming Database

Forthcoming Database DISS.ETH NO. 15802 Forthcoming Database A Framework Approach for Data Visualization Applications A dissertation submitted to the SWISS FEDERAL INSTITUTE OF TECHNOLOGY ZURICH for the degree of Doctor of

Plus en détail

Essais de modélisation de l épilepsie en Tunisie: Théorie et application basées sur des modèles de régression logistique

Essais de modélisation de l épilepsie en Tunisie: Théorie et application basées sur des modèles de régression logistique Essais de modélisation de l épilepsie en Tunisie: Théorie et application basées sur des modèles de régression logistique Abdelwaheb Daouthi, Mohamed Dogui, Abdeljelil Farhat To cite this version: Abdelwaheb

Plus en détail

sont appliquées à des fonds documentaires, sont destinées à fournir des informations pertinentes sur la structure globale plutôt que sur le contenu.

sont appliquées à des fonds documentaires, sont destinées à fournir des informations pertinentes sur la structure globale plutôt que sur le contenu. Introduction Les techniques informatiques permettent de stocker et d accéder à des quantités sans cesse croissantes de données, disponibles en ligne ou via des centres documentaires fermés. Cette profusion

Plus en détail

Application du système immunitaire artificiel ordinaire et améliore pour la reconnaissance des caractères artificiels

Application du système immunitaire artificiel ordinaire et améliore pour la reconnaissance des caractères artificiels Application du système immunitaire artificiel ordinaire et améliore pour la reconnaissance des caractères artificiels Hiba KHELIL, Abdelkader BENYETTOU Laboratoire SIgnal IMage PArole SIMPA Université

Plus en détail

Master Fl&DL LMLGA118, Psycholinguistique

Master Fl&DL LMLGA118, Psycholinguistique Master Fl&DL LMLGA118, Psycholinguistique Caroline Bogliotti caroline.bogliotti@u-paris10.fr Anne Lacheret anne@lacheret.com ; www.lacheret.com Maria Kihlstedt maria.kihlstedt@u-paris10.fr Objectifs du

Plus en détail

Sémantique Lexicale cours 2. Françoise Gayral

Sémantique Lexicale cours 2. Françoise Gayral Sémantique Lexicale cours 2 Françoise Gayral Différentes hypothèses pour la représentation du sens lexical La signification d'un mot est l'unité de base indécomposable concept d'un réseau sémantique catégorie

Plus en détail

La construction sémiotique de l interaction sujet-environnement externe. Caron-Pargue Josiane Université de Poitiers, France jcaron@univ-poitiers.

La construction sémiotique de l interaction sujet-environnement externe. Caron-Pargue Josiane Université de Poitiers, France jcaron@univ-poitiers. La construcción semiótica de la historia La construction sémiotique de l interaction sujet-environnement externe Caron-Pargue Josiane Université de Poitiers, France jcaron@univ-poitiers.fr OBJECTIF Caractériser

Plus en détail

PLAN DE COURS. Automne 2014 MGL835 : Interaction humain machine (3 crédits)

PLAN DE COURS. Automne 2014 MGL835 : Interaction humain machine (3 crédits) École de technologie supérieure Département de génie logiciel et des TI Responsable(s) de cours : Michael John McGuffin PLAN DE COURS Automne 2014 MGL835 : Interaction humain machine (3 crédits) Préalables

Plus en détail

Programme scientifique MUST

Programme scientifique MUST Programme scientifique MUST Management of Urban Smart Territories 03/06/2014 Claude Rochet - Florence Pinot 1 Qu est-ce qui fait qu une ville est «smart»? Ce n est pas une addition de «smarties»: smart

Plus en détail

UML est-il soluble dans les méthodes agiles?

UML est-il soluble dans les méthodes agiles? Pascal ROQUES Valtech Training UML est-il soluble dans les méthodes agiles? octobre 07 Résumé On entend beaucoup parler actuellement de deux approches ayant l'air fondamentalement opposées : l'approche

Plus en détail

Perfectionnement en développement d applications informatiques. Syllabus. 420-055-NC Introduction to Object Oriented Programming Pondération (2-1-2)

Perfectionnement en développement d applications informatiques. Syllabus. 420-055-NC Introduction to Object Oriented Programming Pondération (2-1-2) Perfectionnement en développement d applications informatiques Attestation de compétences Syllabus 420-055-NC Introduction to Object Oriented Programming Pondération (2-1-2) Duration : 35 heures Session

Plus en détail

Approche organisationnelle basée sur le paradigme agent pour la synthèse & la réutilisation des connaissances en ingénierie collaborative

Approche organisationnelle basée sur le paradigme agent pour la synthèse & la réutilisation des connaissances en ingénierie collaborative Approche organisationnelle basée sur le paradigme agent pour la synthèse & la réutilisation des connaissances en ingénierie collaborative Hind Darwich, doctorante en thèse CIFRE au sein de la société TDC

Plus en détail

Accès personnalisé multicritères à de multiples sources d informations.

Accès personnalisé multicritères à de multiples sources d informations. Lyon - France Accès personnalisé multicritères à de multiples sources d informations. Samir kechid Université des Sciences et de la Technologie Houari Boumediene. USTHB BP 32 El Alia Bab Ezzouar Alger

Plus en détail

Cas d étude appliqué à l ingénierie logicielle

Cas d étude appliqué à l ingénierie logicielle ypbl : une méthodologie pédagogique pour la professionnalisation d une formation Cas d étude appliqué à l ingénierie logicielle Ernesto Exposito 1,2, Anne Hernandez 2 1 CNRS ; LAAS ; 7 av. du Colonel Roche,

Plus en détail

http://web.utk.edu/~start6/knowles/malcolm_knowles.html

http://web.utk.edu/~start6/knowles/malcolm_knowles.html http://web.utk.edu/~start6/knowles/malcolm_knowles.html GRANDS PÉDAGOGUES Aujourd hui Aujourd hui Aujourd hui 1952 1966 1987 1997 2002 1997 1940 1949 1896 1902 1913 1915 1919 1921 1859 SOMMAIRE Biographie

Plus en détail

Utilisation des tableaux sémantiques dans les logiques de description

Utilisation des tableaux sémantiques dans les logiques de description Utilisation des tableaux sémantiques dans les logiques de description IFT6281 Web Sémantique Jacques Bergeron Département d informatique et de recherche opérationnelle Université de Montréal bergerja@iro.umontreal.ca

Plus en détail

IEEE Learning Technology Standards Committee Comité des Normes en Technologies d Apprentissage de l IEEE

IEEE Learning Technology Standards Committee Comité des Normes en Technologies d Apprentissage de l IEEE IEEE Learning Technology Standards Committee Comité des Normes en Technologies d Apprentissage de l IEEE Robby Robson Chair, LTSC Président, LTSC rrobson@eduworks.com 19 March, 2003 What is the LTSC? Le

Plus en détail

IFT 719 Processus du génie logiciel

IFT 719 Processus du génie logiciel Département d informatique IFT 719 Processus du génie logiciel Plan de cours Automne 2013 Enseignant Luc Lavoie Courriel : luc.lavoie@usherbrooke.ca Local : D4-2006 Téléphone : (819) 821-8000 poste 62015

Plus en détail

Achats et parties prenantes

Achats et parties prenantes La perspective de l acheteur L échange transactionnel L émergence de l approche relationnelle Sylvie Mantel-Lacoste 1 Sylvie Mantel-Lacoste 2 La notion d échange, elle a évolué au début des années 80-90

Plus en détail

Les représentations des connaissances par objets

Les représentations des connaissances par objets Les représentations des connaissances par objets Amedeo Napoli Jérôme Euzenat Roland Ducournau LORIA B.P. 239, 54506 Vandoeuvre les Nancy INRIA Rhône-Alpes 655 avenue de l Europe, 38330 Montbonnot-Saint

Plus en détail

IFT2251 Introduction au génie logiciel Hiver 2006 (4 crédits) Prof. : Julie Vachon. Plan de cours

IFT2251 Introduction au génie logiciel Hiver 2006 (4 crédits) Prof. : Julie Vachon. Plan de cours IFT2251 Introduction au génie logiciel Hiver 2006 (4 crédits) Prof. : Julie Vachon ** Début des cours : le lundi 9 janvier 2006 ** Plan de cours 1. Introduction Les exigences et les attentes à l égard

Plus en détail

Langage dédié pour le pilotage de solveurs de contraintes

Langage dédié pour le pilotage de solveurs de contraintes LABORATOIRE D INFORMATIQUE DE NANTES-ATLANTIQUE UMR 6241 ÉCOLE DOCTORALE STIM, N. 503 «Sciences et technologies de l information et des mathématiques» Sujet de thèse pour 2010 Langage dédié pour le pilotage

Plus en détail

Le clustering dans les réseaux ad-hoc

Le clustering dans les réseaux ad-hoc Le clustering dans les réseaux ad-hoc Auteur : Florent NOLOT Florent NOLOT 1 Présentation Le modèle et les motivations Le clustering à 1 saut et à k sauts Quelques résultats de simulation L'adaptation

Plus en détail

Apprentissage symbolique et statistique à l ère du mariage pour tous

Apprentissage symbolique et statistique à l ère du mariage pour tous Apprentissage symbolique et statistique à l ère du mariage pour tous Stéphane Canu asi.insa-rouen.fr/enseignants/~scanu RFIA 2014, INSA Rouen 2 juillet 2014 Apprentissage : humain vs. machine Les apprentissages

Plus en détail

Segmentation des fichiers logs

Segmentation des fichiers logs Segmentation des fichiers logs Hassan Saneifar,, Stéphane Bonniol, Pascal Poncelet, Mathieu Roche LIRMM, CNRS, Université Montpellier 2; Satin Technologies Résumé. Avec la méthode de segmentation appelée

Plus en détail

Guide d utilisation de la base de données : ACMDL

Guide d utilisation de la base de données : ACMDL partenaire du Guide d utilisation de la base de données : ACMDL Adresse: Rue la flanelle, cité Ain ellah Dely brahim Tél: (021) 91 03 52, Mob: (0770) 87 66 38, Fax: (021) 91 03 51 E mail: cadoc@cadoc.dz

Plus en détail

Les Bases de Données et l Objet Introduction

Les Bases de Données et l Objet Introduction Les Bases de Données et l Objet Introduction Didier DONSEZ Université de Valenciennes Institut des Sciences et Techniques de Valenciennes donsez@univ-valenciennes.fr Plan Définitions d un Objet Propriétés

Plus en détail

Notice biographique Repères biographiques communs. Nom : BOTTA Prénom : VALERIE Section : 61

Notice biographique Repères biographiques communs. Nom : BOTTA Prénom : VALERIE Section : 61 Notice biographique Repères biographiques communs Nom : BOTTA Prénom : VALERIE Section : 61 Corps : Professeur Grade : 1ere classe Equipe de recherche DISP, EA 4570 Ecole doctorale InfoMaths, EA 512 Directeur

Plus en détail

Nouvelles classes de problèmes pour la fouille de motifs intéressants dans les bases de données 2

Nouvelles classes de problèmes pour la fouille de motifs intéressants dans les bases de données 2 Nouvelles classes de problèmes pour la fouille de motifs intéressants dans les bases de données 2 Lhouari Nourine 1 1 Université Blaise Pascal, CNRS, LIMOS, France SeqBio 2012 Marne la vallée, France 2.

Plus en détail

Plan de cours. Cours : INF 736 Modèle de connaissances et évolution en TI Trimestre : Hiver 2015

Plan de cours. Cours : INF 736 Modèle de connaissances et évolution en TI Trimestre : Hiver 2015 Faculté des sciences Centre de formation en technologies de l information Plan de cours Cours : INF 736 Modèle de connaissances et évolution en TI Trimestre : Hiver 2015 Professeurs : Richard Fontaine

Plus en détail