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.

MI3/GL Cours de Génie Logiciel Programmation Orientée Objet (Avancée)

MI3/GL Cours de Génie Logiciel Programmation Orientée Objet (Avancée) MI3/GL Cours de Génie Logiciel Programmation Orientée Objet (Avancée) Daniel Le Berre CRIL-CNRS FRE 2499, Université d Artois, Lens, FRANCE {leberre}@cril.univ-artois.fr 4 novembre 2004 MI3GL 2004/2005

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

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

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

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

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

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

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

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

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

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

Philosophie des sciences cognitives et des neurosciences PHI-4344, Hiver 2014 Lundi 14h00 à 17h00, local R-R110 Université du Québec à Montréal

Philosophie des sciences cognitives et des neurosciences PHI-4344, Hiver 2014 Lundi 14h00 à 17h00, local R-R110 Université du Québec à Montréal Philosophie des sciences cognitives et des neurosciences PHI-4344, Hiver 2014 Lundi 14h00 à 17h00, local R-R110 Université du Québec à Montréal Luc Faucher 987-3000 poste 0322 Bureau : W-5455 faucher.luc@uqam.ca

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

Partie 1 :! Conception centrée utilisateur apports de la psychologie!

Partie 1 :! Conception centrée utilisateur apports de la psychologie! Partie 1 :! Conception centrée utilisateur apports de la psychologie! Laurence Nigay! laurence.nigay@imag.fr! Equipe Ingénierie de l Interaction Homme-Machine Page 1 Il était une fois l IHM...! Douglas

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

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

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

k Couche de sortie change alors, seul k change. Si w ij

k Couche de sortie change alors, seul k change. Si w ij Support théorique de «backprop» : Cette partie présente la théorie qui sous-tend l algorithme «backprop» dont une exécution a été montrée à la partie précédente. La figure 4 montre un réseau plus général

Plus en détail

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com

Intelligence 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 détail

Urbanisation de Système d'information

Urbanisation de Système d'information Urbanisation de Système d'information L'approche Togaf 2008 The Open Group 1 TOGAF : The Open Group Framework Architecture «The Open Group Architecture Framework, également connu sous l'acronyme Togaf,

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

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

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

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

Département d'informatique. Apprentissage Automatique IFT-65764A. S y l l a b u s. Guy Mineau mineau@ift.ulaval.ca, 656-5189, PLT-3908C Département d'informatique Apprentissage Automatique IFT-65764A S y l l a b u s Guy Mineau mineau@ift.ulaval.ca, 656-5189, PLT-3908C Automne 2001 Page 2 A. Cours Titre : Apprentissage automatique Sigle

Plus en détail

Introduction aux Composants Logiciels

Introduction aux Composants Logiciels Introduction aux Composants Logiciels Christian Pérez LIP/INRIA Année 2010-11 Plan Introduction aux composants logiciels Pourquoi des composants logiciels Notions de composants logiciels Conclusion Survol

Plus en détail

L'analyse conceptuelle assistée par ordinateur et les humanités numériques. Louis Chartrand

L'analyse conceptuelle assistée par ordinateur et les humanités numériques. Louis Chartrand L'analyse conceptuelle assistée par ordinateur et les humanités numériques Louis Chartrand Plan I. Les humanités digitales II. La LACTAO III. Expérimentations Partie I Les humanités digitales (vues par

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

Génération d une visualisation personnalisée

Génération d une visualisation personnalisée Génération d une visualisation personnalisée Mohamed Mouine RALI-DIRO Université de montréal mouinemo@iro.umontreal.ca Résumé. Nous présentons une méthode permettant de calculer les besoins et les préférences

Plus en détail

IFT 187 Éléments de bases de données

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

Plus en détail

Classification de Données Multidimensionnelles Techniques de Projection des Données dans des Espaces de Dimension Réduite

Classification de Données Multidimensionnelles Techniques de Projection des Données dans des Espaces de Dimension Réduite Classification de Données Multidimensionnelles Techniques de Projection des Données dans des Espaces de Dimension Réduite Denis HAMAD ULCO LASL Denis.Hamad@laslIuniv-littoral.fr Présenté dans la journée

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

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

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

Génie logiciel avec UML. Notions sur le langage UML adapté pour les cours du programme Techniques de l informatique

Génie logiciel avec UML. Notions sur le langage UML adapté pour les cours du programme Techniques de l informatique Génie logiciel avec UML Notions sur le langage UML adapté pour les cours du programme Techniques de l informatique Claude Boutet Session hiver 2008 Modélisation de systèmes Table des matières TABLE DES

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

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

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

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

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

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

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

Master Fl&DL LMLGA118, Psycholinguistique

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

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

Environnements de Développement

Environnements de Développement Institut Supérieur des Etudes Technologiques de Mahdia Unité d Enseignement: Environnements de Développement Mme BEN ABDELJELIL HASSINE Mouna m.bnaj@yahoo.fr Développement des systèmes d Information Syllabus

Plus en détail

Contributions à l étude des mesures sémantiques

Contributions à l étude des mesures sémantiques Contributions à l étude des mesures sémantiques École des mines d Alès Sébastien Harispe Plan Contributions à l étude des mesures sémantiques Estimation d IC par les fonctions de croyance Plan Contributions

Plus en détail

Offre de formation de troisième cycle (LMD)

Offre de formation de troisième cycle (LMD) Offre de formation de troisième cycle (LMD) (Arrêté n 250 du 28 juillet 2009, fixant l organisation de la formation de troisième en vue de l obtention du diplôme de doctorat) Etablissement Faculté / Institut

Plus en détail

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

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

Plus en détail

Intelligence Artificielle Introduction

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

Plus en détail

Plan de cours ADM 992C Page 1. École des sciences de la gestion Département de management et technologie Université du Québec à Montréal

Plan de cours ADM 992C Page 1. École des sciences de la gestion Département de management et technologie Université du Québec à Montréal Plan de cours ADM 992C Page 1 École des sciences de la gestion Département de management et technologie Université du Québec à Montréal ADM-992C LES TECHNOLOGIES D'AIDE À LA PRISE DE DÉCISION DANS LES

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

(21) TARDIEU, Hubert, NANCI, Dominique, PASCOT, Daniel,Conception d'un système d'information, construction de la base de données, Les éditions

(21) TARDIEU, Hubert, NANCI, Dominique, PASCOT, Daniel,Conception d'un système d'information, construction de la base de données, Les éditions BIBLIOGRAPHIE (1 ) HURTUBISE, Rolland, Informatique et Information, Les éditions d'organisation, Paris, et Les éditions Agence d'arc Inc, Montréal, 1976, p36. (2) GAMACHE André, Logiciel SGBD et bases

Plus en détail

Préparer un état de l art

Préparer un état de l art Préparer un état de l art Khalil DRIRA LAAS-CNRS, Toulouse Unité de recherche ReDCAD École Nationale d ingénieurs de Sfax Étude de l état de l art? Une étude ciblée, approfondie et critique des travaux

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

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

PRÉSENTATION TRAVAIL EN COURS - APPRENTISSAGE INTERACTIF. Ianis Lallemand, 21 janvier 2013

PRÉSENTATION TRAVAIL EN COURS - APPRENTISSAGE INTERACTIF. Ianis Lallemand, 21 janvier 2013 PRÉSENTATION TRAVAIL EN COURS - APPRENTISSAGE INTERACTIF Ianis Lallemand, 21 janvier 2013 APPRENTISSAGE INTERACTIF definition Contours encore assez flous dans le champ de l apprentissage automatique. Néanmoins,

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

Les études de cas Responsable: Monika Niederhuber, Pauline Bart

Les 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 détail

Partenaires: w w w. c o g m a s t e r. n e t

Partenaires: w w w. c o g m a s t e r. n e t Partenaires: w w w. c o g m a s t e r. n e t Une approche interdisciplinaire et intégrative neuropsychologie psychologie neuroanatomie linguistique philosophie SCIENCES COGNITIVES logique/probas neurosciences

Plus en détail

Psychologie Informatique et son impact sur le comportement humain. [ Computers psychology and its impact on human behavior ]

Psychologie Informatique et son impact sur le comportement humain. [ Computers psychology and its impact on human behavior ] International Journal of Innovation and Applied Studies ISSN 2028-9324 Vol. 14 No. 2 Jan. 2016, pp. 543-548 2016 Innovative Space of Scientific Research Journals http://www.ijias.issr-journals.org/ Psychologie

Plus en détail

Introduction au WEB Sémantique Cours 1 : Qu est ce que le WEB sémantique?

Introduction au WEB Sémantique Cours 1 : Qu est ce que le WEB sémantique? Cours 1 : Qu est ce que le WEB sémantique? ESIL Université de la méditerranée Odile.Papini@esil.univmed.fr http://odile.papini.perso.esil.univmed.fr/index.html Plan du cours Introduction 1 Introduction

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

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

Développement logiciel pour l Architecture Orientée Services avec IBM Rational Software Development Platform

Développement logiciel pour l Architecture Orientée Services avec IBM Rational Software Development Platform IBM Software Group Développement logiciel pour l Architecture Orientée Services avec IBM Rational Software Development Platform Thierry Bourrier, Techical Consultant thierry.bourrier@fr.ibm.com L Architecture

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

Comparaison de critères de pureté pour l intégration de connaissances en clustering semi-supervisé

Comparaison de critères de pureté pour l intégration de connaissances en clustering semi-supervisé Comparaison de critères de pureté pour l intégration de connaissances en clustering semi-supervisé Germain Forestier, Cédric Wemmert, Pierre Gançarski Université de Strasbourg - LSIIT - CNRS - UMR 7005

Plus en détail

GPC Computer Science

GPC Computer Science CYCLE ISMIN P2015 GPC Computer Science P LALEVÉE lalevee@emse.fr @p_lalevee A3.01 0442616715 C YUGMA yugma@emse.fr A3.01 0442616715 01/09/2014 Présentation GPC CS - Ph. Lalevée - C Yugma 1 Scolarité Site

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

Génie logiciel (Un aperçu)

Génie logiciel (Un aperçu) (Un aperçu) (sommerville 2010) Laurent Pérochon INRA URH 63122 St Genès Champanelle Laurent.perochon@clermont.inra.fr Ensemble d activités conduisant à la production d un logiciel Sur un échantillon de

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

Curriculum Vitae. Informations personnelles

Curriculum Vitae. Informations personnelles Curriculum Vitae Informations personnelles Ines BOUZOUITA Maître Assistante en Informatique Ecole Nationale des Ingénieurs de Tunis Docteur en Informatique Membre du Laboratoire d Informatique pour les

Plus en détail

Règles d affaires. éponse informatique inc. www.reponse.ca. Critères de qualité de toutes spécifications

Règles d affaires. éponse informatique inc. www.reponse.ca. Critères de qualité de toutes spécifications Règles d affaires éponse informatique inc. 1 Critères de qualité de toutes spécifications IEEE830-1998 Recommended Practice for Software Requirements Specifications Une spécification doit être: Correcte,

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

Marc Garneau, Acfas 2014 Lise Corriveau, Marc Garneau et Nancy Lauzon, professeurs, AIPU 2012 Gestion de l éducation et de la formation

Marc Garneau, Acfas 2014 Lise Corriveau, Marc Garneau et Nancy Lauzon, professeurs, AIPU 2012 Gestion de l éducation et de la formation Marc Garneau, Acfas 2014 Lise Corriveau, Marc Garneau et Nancy Lauzon, professeurs, AIPU 2012 Gestion de l éducation et de la formation 1 Plan de la communication Contexte et problématique de la recherche

Plus en détail

Descriptif de module. Page Hatem Ghorbel. 10 septembre 2015

Descriptif de module. Page Hatem Ghorbel. 10 septembre 2015 1/6 La description de module définit les conditions cadres du déroulement de l enseignement des matières du module. Filière(s) Informatique (INF) Option - Public Plein temps Unités Niveau d études 1 2

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

- Couches - Éléments - Domaines - ArchiMate et les techniques du BABOK

- Couches - Éléments - Domaines - ArchiMate et les techniques du BABOK ArchiMate et l architecture d entreprise Par Julien Allaire Ordre du jour Présentation du langage ArchiMate - Couches - Éléments - Domaines - ArchiMate et les techniques du BABOK Présentation du modèle

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

Plan de cours. Cours du programme préalables au cours INF-764: «Gestion de projet» - INF-754

Plan de cours. Cours du programme préalables au cours INF-764: «Gestion de projet» - INF-754 Faculté des sciences Centre de formation en technologies de l information Plan de cours Cours : INF 764 Gestion de projet avancé en TI Trimestre : Hiver 2015 Professeur : Martin Raymond 1. Mise en contexte

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

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 2007-2008 ULB 1 1 Génie Logiciel et Gestion de Projets Organisation 2 2 Ragnhild Van Der Straeten VUB, 4K209 Campus Etterbeek rvdstrae@vub.ac.be

Plus en détail

NORMES BIBLIOGRAPHIQUES DE L AMERICAN PSYCHOLOGICAL ASSOCIATION (APA, 6 ème édition)

NORMES BIBLIOGRAPHIQUES DE L AMERICAN PSYCHOLOGICAL ASSOCIATION (APA, 6 ème édition) NORMES BIBLIOGRAPHIQUES DE L AMERICAN PSYCHOLOGICAL ASSOCIATION (APA, 6 ème édition) PUBLICATION MANUAL OF THE AMERICAN PSYCHOLOGICAL ASSOCIATION, SIXTH EDITION. (2009). Lorsque vous tapez un texte, utilisez

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

Chapitre 8Innovation technologique et dynamique des industries

Chapitre 8Innovation technologique et dynamique des industries Chapitre 8 Innovation technologique et dynamique des industries Niveau méso-économique : Approche évolutionniste innovations technologiques comme source principale de la dynamique industrielle Vision riche,

Plus en détail

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

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

Plus en détail

Introduction au TALN et à l ingénierie linguistique. Isabelle Tellier ILPGA

Introduction au TALN et à l ingénierie linguistique. Isabelle Tellier ILPGA Introduction au TALN et à l ingénierie linguistique Isabelle Tellier ILPGA Plan de l exposé 1. Quelques notions de sciences du langage 2. Applications et enjeux du TAL/ingénierie linguistique 3. Les deux

Plus en détail

En 2000 l OMG propose une approche nommée MDA Model Driven Architecture, S appuyant sur le standard UML pour

En 2000 l OMG propose une approche nommée MDA Model Driven Architecture, S appuyant sur le standard UML pour MDA (Model Driven Architecture) Ingénierie logicielle guidée par les modèles S.N Historique: En 2000 l OMG propose une approche nommée MDA Model Driven Architecture, S appuyant sur le standard UML pour

Plus en détail

BIM pour la vie... de votre immeuble!

BIM pour la vie... de votre immeuble! BIM pour la vie... de votre immeuble! Danielle Monfet, ing., Ph.D. BOMA Québec 6 avril 216 2 Plan de la présentation 1. Contexte 2. Définition 3. BIM et gestion immobilière 4. Perspectives Un environnement

Plus en détail

Références. Compter les mots. Le langage comme donnée. Communication Langagière Ingénierie des langues et de la parole

Références. Compter les mots. Le langage comme donnée. Communication Langagière Ingénierie des langues et de la parole Communication Langagière Ingénierie des langues et de la parole 1. Introduction générale 2. Ingénierie des langues 2.1 Représentation et codage des textes 2.2 Théorie de l information et probabilités 2.3

Plus en détail

Interaction Humain-Machine

Interaction Humain-Machine Interaction Humain-Machine Option de rattachement : TIC Technologies de l Information et de la Communication Enseignant responsable : Bertrand DAVID 1 Objectifs L interaction homme-machine est à la base

Plus en détail

Modèle d implémentation

Modèle d implémentation Modèle d implémentation Les packages UML: Unified modeling Language Leçon 5/6-9-16/10/2008 Les packages - Modèle d implémentation - Méthodologie (RUP) Un package ou sous-système est un regroupement logique

Plus en détail

Initiation à la fouille de données et à l apprentissage automatiq

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

Plus en détail

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

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

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

Formation de recherche. Master MI (MoSIG), 2e année, spécialité Informatique UFRIMAG (UJF) & Ensimag (Grenoble INP)

Formation de recherche. Master MI (MoSIG), 2e année, spécialité Informatique UFRIMAG (UJF) & Ensimag (Grenoble INP) Formation de recherche Master MI (MoSIG), 2e année, spécialité Informatique UFRIMAG (UJF) & Ensimag (Grenoble INP) Massih-Reza Amini mars 2015 Qu est ce qu une thèse de doctorat? Un travail de 36 mois

Plus en détail

Intégration orientée service des modèles Grid et Multi-Agents

Intégration orientée service des modèles Grid et Multi-Agents Intégration orientée service des modèles Grid et Multi-Agents Clement Jonquet, Stefano A. Cerri, Pascal Dugénie To cite this version: Clement Jonquet, Stefano A. Cerri, Pascal Dugénie. Intégration orientée

Plus en détail

OFFRE DE FORMATION L.M.D.

OFFRE DE FORMATION L.M.D. REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE OFFRE DE FORMATION L.M.D. MASTER PROFESSIONNEL ET ACADEMIQUE Systèmes d Information

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

Synergies entre Artisan Studio et outils PLM

Synergies entre Artisan Studio et outils PLM SysML France 13 Novembre 2012 William Boyer-Vidal Regional Sales Manager Southern Europe Synergies entre Artisan Studio et outils PLM 2012 2012 Atego. Atego. 1 Challenges & Tendances Complexité des produits

Plus en détail