Big$data,$le$Web$et$tout$ça $ De$quel$volume$parleDton$?$ Surcharge$d informa>on$ Introduction à la fouille de texte Master Informatique 1 ère année
|
|
- Anne-Sophie Labonté
- il y a 8 ans
- Total affichages :
Transcription
1 Université*Lumière*Lyon*2* *Faculté*de*Sciences*Economiques*et*Ges;on* KHARKIV*Na;onal*University*of*Economic* Introduction à la fouille de texte Master Informatique 1 ère année Julien Velcin Big$data,$le$Web$et$tout$ça $ Big$data$:$ V$de$Volume$ V$de$Vélocité$ V$de$Variété$texte,$image,$vidéo,$son,$tags,$etc.$ etc.$ Le$WWW$est$une$source$phénoménale$de$ données,$en$par>culier$textuelle$ Mais$il$existe$beaucoup$d autres$sources$:$ mémoire$d entreprise,$données$du$patrimoine $ De$quel$volume$parleDton$?$ Surcharge$d informa>on$ Techniquement$infini,$on$parle$de$«$big$data$»$ 4$à$5$milliards$de$pages$indexées$par$Bing$et$entre$45$ et$50$milliards$par$google$au$23/03/15$ (source$:$htp:// Google$annonce$40$à$50$milliards$de$pages$indexées$ 1$million$de$serveurs$à$travers$le$monde$traitent$~1$ milliards$de$requêtes$par$jour$ (source$:$ htp://atkinsbookshelf.wordpress.com/tag/howdmanydserversddoesd googledhave/$au$26/03/13)$ 175$millions$de$tweets$envoyés$chaque$jour$en$2012$ Image$credit:$GoDGlobe.com$
2 Et$ce$n est$pas$fini $ De$plus$en$plus$de$données$numériques$:$ Source$IDC,$cité$dans$The$Economist$en$2011$ 1$zeTabyte$=$1$000$000$000$000$000$000$000$byte$ Une$solu>on$:$$ la$fouille$des$données$!$ Extraire$des$connaissances$u>les$$ (pépites)$à$par>r$des$données$ Probléma>ques$:$ Extrac>on,$stockage$des$données$ Représenta>on,$indexa>on$ Analyse$des$données$ Evalua>on,$visualisa>on$ Prise$de$décision$ Pour$les$données$textuelles$ Extrac>on,$stockage$des$données$:$! Comment$gérer$l hétérogénéité$des$formats$?$! Quelle$structure$de$stockage$?$ Représenta>on,$indexa>on$:$! $Quelle$est$la$meilleure$représenta>on$?$! $Comment$indexer$les$données$de$manière$efficace$?$ Analyse$des$données$:$! Comment$comparer$des$données$textuelles$?$! Quels$algorithmes$choisir$?$ «$Quelques$»$difficultés$ Volume$important,$vocabulaire$très$vaste$(erreurs,$ abrévia>ons,$argot,$néologismes,$noms$propres )$ Ecart$entre$la$surface$des$mots$et$leur$sens$ Rela>ons$implicites$entre$les$mots$:$synonymie,$ polysémie,$liens$de$subordina>on,$codréférences,$etc.$ Ambiguité$séman>que$:$«$Il$voit$$le$garçon$avec$ses$ lunetes$»$(qui$possède$les$lunetes$?)$ Suivant$la$tâche,$la$représenta>on$est$différente$ Similarité$entre$deux$textes$(malédic>on$de$la$ dimension)$ 8$
3 De$(très)$nombreuses$sources$de$ données$textuelles$ Sites$web$:$ Ar>cles$de$presse,$blogs$personnels$ Cri>ques$de$produits$(ebay,$amazon,$allociné)$ Encyclopédies$(wikipedia,$freebase)$ Réseaux$sociaux$:$ Facebook,$TwiTer,$Flickr,$LinkedIn$ $ Données$ouvertes$(open$data)$:$ Data.gov,$ParisData $ Humanités$numériques$:$ Données$historiques$(patrimoine)$ Nombreux$corpus$disponibles$ Fouille$de$textes$:$origines$ Intelligence$ar>ficielle$(IA)$ Traitement$Automa>que$des$Langues$(TAL)$ Sta>s>ques$$ Sta>s>ques$textuelles$ Linguis>ques$ Linguis>que$computa>onnelle$ Bases$de$données$ Fouille$de$données$ Fouille$de$textes$:$défini>on$ Chercher$des$informa>ons$intéressantes$pour$ résoudre$des$tâches$plus$complexes$ou$pour$ découvrir$des$connaissances$à$par>r$de$ données$textuelles$ Informa>on$intéressante$:$ U>le$(pour$prendre$une$décision$ou$résoudre$une$ tâche$plus$difficile)$ Nouvelle$(auDdelà$d une$évidence)$ De$haut$niveau$(aller$vers$la$séman>que)$ Une$applica>on$phare$:$la$Recherche$ d Informa>on$(1)$ Les$moteurs$de$recherche$modernes$u>lisent$ les$dernières$innova>ons$en$ri$ Données$textuelles$et*structure$ Ces$moteurs$combinent$:$ Indexa>on$des$données$du$Web$ Enrichissement$de$la$requête$formulée$ Es>ma>on$de$la$fiabilité$des$pages$
4 Recherche$d informa>on$(2)$ Des$robots$(crawler,$spider)$indexent$:$ MotsDclefs$ Concepts$ Créa>on$d un$index$inversé$ Différents$critères$:$ Correspondance$entre$la$requête$et$la$page$ Crédibilité$du$site$Web$(PageRank,$HITS)$ Structure,$richesse,$diversité$ Mise$à$jour$régulière,$nouveautés$ etc.$ Recherche$d informa>on$(3)$ Modèle$de$correspondance$:$ Document$D$=$un$ensemble$de$mots$clefs$pondérés$ Requête$Q$=$un$ensemble$de$mots$clefs$non$pondérés$ R(D,$Q)$=$Σ i $w(t i $,$D),$où$t i$ est$dans$q$ De$nombreux$modèles$possibles$:$ booléen$(0$ou$1),$ vectoriel,$ probabiliste $ 13$ 14$ Recherche$d informa>on$(4)$ Recherche$d informa>on$(5)$ PageRank$de$Google$:$ I 1$ I 2$ A$ B$ PR( A) = (1 d) + d i PR( Ii ) C( I ) i Assigne$une$valeur$numérique$à$chaque$page,$en$ fonc>on$des$liens$entre$pages$ d:*damping$factor$(0.85)$ D autre$critères$possibles,$par$ex.$la$proximité$entre$ les$mots$clefs$(«$ informa>on$retrieval$ $»$mieux$ que$«$ $informa>on$ $retrieval$ $»)$ 15$ htp://search.carrot2.org/stable/search$ 16$
5 Recherche$d informa>on$(6)$ U>liser$les$snippets$retournés$par$les$moteurs$de$ recherche$:$ Text/Document$clustering$pour$organiser$les$ snippets$avec$une$méthode$de$clustering$ E>queTe$les$catégories$avec$des$expressions$ fréquentes,$mais$d autres$solu>ons$existent$(ex.$:$ en>tés$nommées)$ Représenter$et$comparer$des$textes$ De$mul>ples$façons$de$représenter$des$ textes$:$ BagDOfDWords$(BOW),$Vector$Space$Model$(VSM)$ Représenta>ons$enrichies$avec$des$métaDdonnées$ $(ex.$:$catégories$gramma>cales$ou$partdofdspeech)$ Représenta>on$par$des$arbres$syntaxiques$ Représenta>on$plus$complexe$(graphes )$ Comparer$deux$textes$:$ Comparer$des$vecteurs$ Comparer$des$arbres,$des$graphes $ 17$ 18$ Un$exemple$très$simple$ «*Mickey*Mouse*has*eaten*an*apple.*»* Approche$«$linguis>que$»$:$ Mickey$Mouse$has$eaten$an$apple.$ Approche$par$«$sac$de$mots$»$:$ Mickey$Mouse$has$eaten$an$apple.$ $ $ Proper$Noun$ Verb$ Det.$ Noun$ Noun$Phrase$ (key)phrase$ Verbal$Phrase$ Sentence$ Noun$Phrase$ A$la$fin$:${$apple,$eat,$Mickey_Mouse$}$ $ $ S$ NP$$$$$VP$$$$$$NP$ PN$$$$$$V$$$$$$$$$D$$$$$$$N$! Suppression$des$motsDou>ls$! Racinisa>on$ 19$ Tokeniza>on$/$Word$segmenta>on$ Couper$une$chaîne$de$caractères$(string)$en$unités$ simples$de$traitement$(ex.$:$le$mot)$ ATen>on,$suivant$les$langues$les$mots$ne$sont$pas$ séparés$de$la$même$manière$(ex.$:$entre$le$chinois$et$ les$langues$occidentales)$$ Même$en$français$ou$en$anglais,$les$mots$peuvent$ être$séparés$par$autre$chose$qu un$espace$(par$ ex.$,%;%.%(%:%(%)$)$ 20$
6 Bag$of$Words$(BOW)$ Exemple$de$représenta>on$BOW$ Représenta>on$la$plus$employée$en$recherche$ d informa>on$/$fouille$de$données$ La$plupart$des$logiciels$de$traitement$automa>que$des$ textes$coupent$(tokeniza;on)$au$niveau$du$mot$ Un$filtrage$est$souvent$nécessaire$sur$les$mots$qu on$ conserve$(trop$peu$fréquents$ou$trop$fréquents,$etc.)$ Important$à$savoir$:$ Le$découpage$peut$être$différent$suivant$le$type$de$ langage$(voir$par$ex.$le$chinois$ou$l arabe)$ 21$ 22$ Exemple$de$problème$avec$BOW$ Texte$1$:$ Mary$asked$Fred$out.$ Texte$2$:$ Fred$asked$Mary$out.$ Vector$Space$Model$(VSM)$ [Salton$1989]$ Manière$usuelle$de$représenter$des$textes$:$on$les$ transforme$en$un$vecteur$numérique$(creux)$ Très$pra>que$pour$u>liser$ensuite$toutes$les$opéra>ons$ permises$en$algrèbre$linéaire$ En$faisant$cela,$on$oublie$la$structure$linguis>que$ (syntaxe)$des$textes$ Les$tâches$typiques$sont$alors$:$ Recherche$d informa>on$ Classifica>on$automa>que$supervisée$ Catégorisa>on$automa>que$(clustering)$ Visualisa>on$et$naviga>on$ 23$ 24$
7 Vector$Space$Model$(VSM)$ Représenta>on$la$plus$u>lisée$aujourd hui$ Approche$de$type$BOW$ Texte$=$vecteur$dans$$ un$espace$à$n$dimensions$ n$=$nombre$de$termes$ Les$termes$sont$en$ général$pondérés$ Loi$de$Zipf$ Observée$par$le$linguiste$George$K.$Zipf$(1902D1950)$ La$fréquence$des$mots$est$inversement$ propor>onnelle$à$son$rang$dans$la$table$des$ fréquences$ Example$avec$ Moby$Dick$D>$ 25$ 26$ MotsDou>ls$ StopDwords$are$words$that$from$nonDlinguis>c$view$do$not$carry$ informa>on$ they$have$mainly$func>onal$role$ usually$we$remove$them$to$help$the$methods$to$perform$ beter$ Nombre$d occurrences$après$ suppression$des$motsdou>ls$ Pour$MobyDick$:$ Stop$words$are$language$dependent$ $examples:$ English:$A,$ABOUT,$ABOVE,$ACROSS,$AFTER,$AGAIN,$AGAINST,$ALL,$ ALMOST,$ALONE,$ALONG,$ALREADY,$...$$ Dutch:$de,$en,$van,$ik,$te,$dat,$die,$in,$een,$hij,$het,$niet,$zijn,$is,$was,$ op,$aan,$met,$als,$voor,$had,$er,$maar,$om,$hem,$dan,$zou,$of,$wat,$ mijn,$men,$dit,$zo,$...$ Slovenian:$A,$AH,$AHA,$ALI,$AMPAK,$BAJE,$BODISI,$BOJDA,$BRŽKONE,$ BRŽČAS,$BREZ,$CELO,$DA,$DO,$...$ 27$
8 Visualiser$par$nuage$de$mots$ Racinisa>on$(stemming)$ Différentes$formes$du$même$mot$sont$ généralement$probléma>ques$pour$l analyse$ des$textes$ La$racinisa>on$(stemming)$est$le$processus$de$ transformer$un$mot$en$sa$racine$(stem)$ Par$ex.$:$chante,$chanter,$chantant $>$ chant $ Avec$les$motsDou>ls$ Sans$les$motsDou>ls$ 30$ Illustra>on$avec$des$programmes$TV$ Illustra>on$avec$des$programmes$TV$ Suppression$des$motsDou>ls$:$ $even,$if,$the,$two,$its,$not,$too,$all $ Racinisa>on$(stemming)$:$ $Ex.$:$anim$:$[animal,$animals,$anima>on]$ $adventur$:$[adventure,adventurer,adventurers,adventures,adventurous]$ Ces$opéra>ons$ont$clairement$permis$de$réduire$la$ taille$du$vocabulaire$ Cela$permet$d améliorer$les$capacités$de$ généralisa>on$des$algorithmes$d appren>ssage$ automa>que$ U>lisa>on$de$schéma$de$pondéra>on$:$TFDIDF$ 32$
9 Schémas$de$pondéra>on$ Calcul$de$TFDIDF$ Le$plus$simple$:$le$nombre$d occurrences$ü t,d$ D autres$existent$:$binaire,$tfdidf,$okapi $ TFDIDF$:$u>liser$la$fréquence$dans$le$corpus$ Exemple$calculé$à$par>r$du$corpus$Reuters$:$ Word% cf% df% try$ 10422$ 8760$ insurance$ 10440$ 3997$ cf$=$#$occurrences$total$dans$la$collec>on$ df$=$#$documents$concernés$ tf idf t,d = tf t,d idf t term$frequency$ $ Inverse$document$frequency$:$ idf t = log N df t Term% df t % idf t % car$ 18,165$ 1.65$ auto$ 6723$ 2.08$ insurance$ 19,241$ 1.62$ best$ 25,235$ 1.5$ inverse$doc.$freq.$ 33$ 34$ Exemple$de$document$et$sa$ représenta>on$vectorielle$ TRUMP$MAKES$BID$FOR$CONTROL$OF$RESORTS$ Casino$owner$and$real$estate$Donald$Trump$has$ offered$to$acquire$all$class$b$common$shares$of$ Resorts$Interna>onal$Inc,$a$spokesman$for$Trump$ said.$the$estate$of$late$resorts$chairman$james$m.$ Crosby$owns$340,783$of$the$752,297$Class$B$ shares.$$$$resorts$also$has$about$6,432,000$class$a$ common$shares$outstanding.$each$class$b$share$ has$100$>mes$the$vo>ng$power$of$a$class$a$share,$ giving$the$class$b$stock$about$93$pct$of$resorts'$ vo>ng$power.$ $ [RESORTS:0.624]$[CLASS:0.487]$[TRUMP:0.367]$ [VOTING:0.171]$[ESTATE:0.166]$[POWER:0.134]$ [CROSBY:0.134]$[CASINO:0.119]$[DEVELOPER: 0.118]$[SHARES:0.117]$[OWNER:0.102]$[DONALD: 0.097]$[COMMON:0.093]$[GIVING:0.081]$[OWNS: 0.080]$[MAKES:0.078]$[TIMES:0.075]$[SHARE:0.072]$ [JAMES:0.070]$[REAL:0.068]$[CONTROL:0.065]$ [ACQUIRE:0.064]$[OFFERED:0.063]$[BID:0.063]$ [LATE:0.062]$[OUTSTANDING:0.056]$[SPOKESMAN: 0.049]$[CHAIRMAN:0.049]$[INTERNATIONAL:0.041]$ [STOCK:0.035]$[YORK:0.035]$[PCT:0.022]$[MARCH: 0.011]$$ Texte$original$ Vecteur$avec$valeurs$ TFxIDF$ Coder$son$propre$$ moteur$de$recherche$ Quelques$prétraitements$supplémentaires$:$ Stemming$et$lemma>sa>on$ Différents$schémas$de$pondéra>on$ Comparer$deux$textes$:$la$mesure$du$cosinus$ Mise$en$pra>que$avec$la$librairie$Lucene$ 35$
10 Lucene$(1)$ Librairie$Java$proposée$par$Apache$pour$indexer$des$ collec>ons$de$documents$et$effectuer$des$ recherches$avancées$:$htps://lucene.apache.org$$ Créée$par$Doug$Cuâng$en$1997$et$disponible$depuis$ 2000$(le$nom$viendrait$de$sa$grandDmère )$ Implémente$le$VSM$et$plusieurs$prétraitements$ classiques$(mise$en$minuscules,$suppression$des$ stopwords,$etc.)$ Lucene$(2)$ Plusieurs$étapes$:$ Indexa>on$:$ Créa>on/mis$à$jour$de$l index$:$indexwriter! Analyseur$:$Analyser! Ajouter$des$documents$:$Document! Requêtes$:$ Ouvrir$un$index$:$IndexSearcher! Lancer$une$requête$:$Query$et$QueryParser! Parcourir$les$résultats$:$TopDocs$$ IndexWriter$ Créer$un$index$sur$les$documents$:$ premier$argument$:$répertoire$où$construire$ l index$ deuxième$argument$:$configura>on$données$par$ un$objet$indexwriterconfig$ Configura>on$:$ l objet$indexwriterconfig$se$base$sur$un$analyseur$ (cf.$point$suivant)$ on$peut$préciser$s il$s agit$d un$nouvel$index$ Analyzer$ L analyseur$précise$la$manière$dont$est$ effectuée$l indexa>on$:$avec$ou$sans$motsd ou>ls,$racinisa>on$(stemming),$etc.$ Exemple$:$ Analyzer analyzer = new StopAnalyzer();! Directory dir = FSDirectory.open(Paths.get("."));! IndexWriterConfig iwc = new IndexWriterConfig(analyzer);! iwc.setopenmode(openmode.create);! writer = new IndexWriter(dir, iwc);!
11 Ajouter$des$documents$(1)$ Ajouter$un$document$à$l aide$du$writer$ La$tokeniza>on$et$l indexa>on$ont$déjà$été$ déterminée$précédemment$ Chaque$document$est$décrit$par$des$champs$ (fields),$tel$que$son$>tre,$son$auteur,$sa$date,$etc.$ Lucene$aTribue$un$iden>fiant$interne$à$chaque$ document$ainsi$indexé$ Il$faut$itérer$le$processus$pour$l ensemble$des$ documents$de$la$collec>on$ Ne$pas$oublier$de$fermer$(commit$et$close)$ Ajouter$des$documents$(2)$ Exemple$pour$un$objet$n$:$ Document doc = new Document();!! FieldType myfieldtype = new FieldType();! myfieldtype.setindexoptions(indexoptions.docs_and_freqs);! myfieldtype.setstored(true); // on stocke le texte! myfieldtype.settokenized(true);! myfieldtype.freeze();! Field myfield = new Field("titre",o.champs,myFieldType);! doc.add(myfield);! // etc. pour tous les champs souhaités!! writer.adddocument(doc); // on ajoute le doc à la base! writer.commit(); // on finalise! writer.close(); // on ferme! Chercher$dans$l index$(1)$ Ouvrir$l index$existant$ Créer$un$«$chercheur$»$(searcher)$ Assigner$un$analyseur$(normalement$le$même$ que$celui$u>lisé$pour$créer$l index)$ Analyser/créer$la$requête$à$par>r$de$la$chaîne$ de$caractères$entrée$ Calculer$quels$documents$correspondent$ Exemple$:$ Chercher$dans$l index$(2)$ // ouvrir l index! Directory fsdir = FSDirectory.open(Paths.get("."));! DirectoryReader reader = DirectoryReader.open(fsDir);! IndexSearcher searcher = new IndexSearcher(reader);!! // exécuter une requête! Analyzer analyzer = new StopAnalyzer();! QueryParser parser = new QueryParser("titre",analyzer);! Query q = parser.parse("requête");! TopDocs docs = searcher.search(q, maxhits);!!
12 Chercher$dans$l index$(3)$ Quelques$exemples$de$requêtes$:$ auteur:ihor$and$kharkov$ "programma>on$java"$or$"programma>on$c#"$ (auteur:julien$or$auteur:jérôme)$and$programma>on$ etc.$ Chercher$dans$l index$(4)$ Parcourir$les$résultats$:$ ScoreDoc[] sd = docs.scoredocs;! for (int i = 1; i <= sd.length; i++)! {!!Document d = null;!!try {!!!d = searcher.doc(sd[i].doc);!!}!!catch (IOException e) { }!!float score = sd[n].score;!!string title = doc.get("titre");!!! }! Quelques$pointeurs$ htps://lucene.apache.org$ htps://lucidworks.com/blog/geângdstartedd withdlucenedsetup/$
Travaux Pratiques : Lucène - Gestion d un index plein texte
Chapter 1 Travaux Pratiques : Lucène - Gestion d un index plein texte Pour ce TP, nous allons étudier l utilisation d un index de recherche textuel OpenSource : Lucene 1. Nous allons créer un projet en
Plus en détailRecherche d Information(RI): Fondements et illustration avec Apache Lucene. par Majirus Fansi @majirus
1 Recherche d Information(RI): Fondements et illustration avec Apache Lucene par Majirus Fansi @majirus Résumé Fondements de la Recherche d Information (RI) Noyau de toute application de RI Éléments à
Plus en détailDémonter)le)moteur) ) de)recherche. Jian%Yun(Nie DIRO h0p://www.iro.umontreal.ca/~nie/ nie@iro.umontreal.ca
Démonter)le)moteur) ) de)recherche Jian%Yun(Nie DIRO h0p://www.iro.umontreal.ca/~nie/ nie@iro.umontreal.ca Moteur(de(recherche( ( Search(Engine(journal(h"p://www.searchenginejournal.com/247eye7popping7
Plus en détailRecherche 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 détailPlan du cours. Historique du langage http://www.oracle.com/technetwork/java/index.html. Nouveautés de Java 7
Université Lumière Lyon 2 Faculté de Sciences Economiques et Gestion KHARKIV National University of Economic Introduction au Langage Java Master Informatique 1 ère année Julien Velcin http://mediamining.univ-lyon2.fr/velcin
Plus en détailFaire émerger les théma.ques et les opinions : applica.on à l'analyse des médias sociaux
Faire émerger les théma.ques et les opinions : applica.on à l'analyse des médias sociaux Julien Velcin Laboratoire ERIC hup://mediamining.univ- lyon2.fr/velcin 3 ème Séminaire recherche informa.que/ informa.on
Plus en détailMapReduce et Hadoop. Alexandre Denis Alexandre.Denis@inria.fr. Inria Bordeaux Sud-Ouest France ENSEIRB PG306
MapReduce et Hadoop Alexandre Denis Alexandre.Denis@inria.fr Inria Bordeaux Sud-Ouest France ENSEIRB PG306 Fouille de données Recherche & indexation de gros volumes Appliquer une opération simple à beaucoup
Plus en détailLamia Oukid, Ounas Asfari, Fadila Bentayeb, Nadjia Benblidia, Omar Boussaid. 14 Juin 2013
Cube de textes et opérateur d'agrégation basé sur un modèle vectoriel adapté Text Cube Model and aggregation operator based on an adapted vector space model Lamia Oukid, Ounas Asfari, Fadila Bentayeb,
Plus en détailIntroduction à la Recherche d information
Introduction à la Recherche d information M. Boughanem bougha@irit.fr http://www.irit.fr/~mohand.boughanem Université Paul Sabatier de Toulouse Laboratoire IRIT 1 Plan Introduction à la Recherche d information
Plus en détailAnnée Universitaire 2013-2014. 1 ère année de Master Droit Mention Droit Privé 1 er semestre. 1 er SEMESTRE 8 matières CM TD COEFF ECTS.
Année Universitaire 201-2014 1 ère année de Master Droit Mention Droit Privé 1 er semestre 1 er SEMESTRE 8 matières CM TD COEFF ECTS Unité 1 1 TD obligatoire Droit civil (les Sûretés) Unité 2-1 TD au choix
Plus en détailTRAITEMENT AUTOMATIQUE DES LANGUES. Licence d'informatique 2ème Année Semestre 1. Département d'informatique Université de Caen Basse-Normandie
TRAITEMENT AUTOMATIQUE DES LANGUES Licence d'informatique 2ème Année Semestre 1 Département d'informatique Université de Caen Basse-Normandie https://dias.users.greyc.fr/?op=paginas/tal.html Plan Définition
Plus en détailMémoire DEA Système d'information Management and Technology of Information Systems
Mémoire DEA Système d'information Management and Technology of Information Systems Titre : Expérience sur l'utilisation de conjonctions de termes et la prise en compte des dépendances entre termes d'indexation
Plus en détailDans cette définition, il y a trois notions clés: documents, requête, pertinence.
Introduction à la RI 1. Définition Un système de recherche d'information (RI) est un système qui permet de retrouver les documents pertinents à une requête d'utilisateur, à partir d'une base de documents
Plus en détailCertificat Big Data - Master MAthématiques
1 / 1 Certificat Big Data - Master MAthématiques Master 2 Auteur : Sylvain Lamprier UPMC Fouille de données et Medias Sociaux 2 / 1 Rich and big data: Millions d utilisateurs Millions de contenus Multimedia
Plus en détailGuide de formation EndNote Web Interface EndNote Web
Guide de formation EndNote Web Interface EndNote Web Document préparé par Marilou Bourque Dernière mise à jour : 2009-12-10 Se créer un compte Ouvrir l application Se créer un compte via Web of science
Plus en détailGoogle adwords Google ad sense. Quelle démarche suivre?
Google adwords Google ad sense Quelle démarche suivre? MON SITE INTERNET FAIRE CONNAÎTRE MON SITE COMMUNIQUER GOOGLE AD WORDS GAGNER DE L ARGENT ACCUEILLIR DES PUBLICITES GOOGLE AD SENSE Deux étapes Faire
Plus en détailI.1 Introduction. I.2 La recherche d information. I.2.1 Définitions
I.1 Introduction La Recherche d Information (RI) peut être définie comme une activité dont la finalité est de localiser et de délivrer un ensemble de documents à un utilisateur en fonction de son besoin
Plus en détailCours: Administration d'une Base de Données
Bases de Données Avancées Module A IUT Lumière, License CE-STAT 2006-2007 Pierre Parrend Cours: Administration d'une Base de Données Table of Contents Principes...1 Structure d'un Base de Données...1 Architecture...1
Plus en détailBlueprint OneWorld v8.2a Configuration Recommandée
v8.2a Configuration Recommandée ICSA Software International Limited Waterman House, 41 Kingsway, London WC2B 6TP Tel: +44 (0)20 7497 5511 Fax: +44 (0)20 7497 5533 Email: enq@icsasoftware.com www.icsasoftware.com
Plus en détailIntroduction à MapReduce/Hadoop et Spark
1 / 36 Introduction à MapReduce/Hadoop et Spark Certificat Big Data Ludovic Denoyer et Sylvain Lamprier UPMC Plan 2 / 36 Contexte 3 / 36 Contexte 4 / 36 Data driven science: le 4e paradigme (Jim Gray -
Plus en détailINSTALLATION ET CONFIGURATION DE OPENLDAP
INSTALLATION ET CONFIGURATION DE OPENLDAP Ce document a pour intérêt de décrire les étapes de l installation et de la configuration de l outil OpenLDAP sous l OS FreeBSD 4.8 Installation et Configuration
Plus en détailSurveiller et contrôler vos applications à travers le Web
Surveiller et contrôler vos applications à travers le Web Valérie HELLEQUIN Ingénieur d application Internet permet aujourd hui la diffusion d informations et de ressources que chaque utilisateur peut
Plus en détailCHAPITRE 12 Nom: Date: 1
CHAPITRE 12 Nom: Date: 1 La routine quotidienne Vocabulaire Mots 1 1 Tous les jours Write a sentence telling what the person in each illustration is doing. 1 Marie se lave les cheveux. 2 Carole se brosse
Plus en détailTechnologies du Web. Ludovic DENOYER - ludovic.denoyer@lip6.fr. Février 2014 UPMC
Technologies du Web Ludovic DENOYER - ludovic.denoyer@lip6.fr UPMC Février 2014 Ludovic DENOYER - ludovic.denoyer@lip6.fr Technologies du Web Plan Retour sur les BDs Le service Search Un peu plus sur les
Plus en détailPHP 5. La base de données MySql. A. Belaïd 1
PHP 5 La base de données MySql A. Belaïd 1 Base de données C est quoi une base de données? Une base de données contient une ou plusieurs tables, chaque table ayant un ou plusieurs enregistrements Exemple
Plus en détailDomaine Name System. Auteur: Congduc Pham, Université Lyon 1. Figure 1: Schéma des salles TP11 et TD4
TP de Réseaux IP pour DESS Domaine Name System Auteur: Congduc Pham, Université Lyon 1 1 Schéma de départ Figure 1: Schéma des salles TP11 et TD4 Le schéma de départ pour aujourd hui est celui de la figure
Plus en détailBases de données documentaires et distribuées Cours NFE04
Bases de données documentaires et distribuées Cours NFE04 Introduction du cours Auteurs : Raphaël Fournier-S niehotta, Philippe Rigaux, Nicolas Travers prénom.nom@cnam.fr Département d informatique Conservatoire
Plus en détailCours 8 Not Only SQL
Cours 8 Not Only SQL Cours 8 - NoSQL Qu'est-ce que le NoSQL? Cours 8 - NoSQL Qu'est-ce que le NoSQL? Catégorie de SGBD s'affranchissant du modèle relationnel des SGBDR. Mouvance apparue par le biais des
Plus en détailCassandra et Spark pour gérer la musique On-line
Cassandra et Spark pour gérer la musique On-line 16 Juin 2015 @ Paris Hammed RAMDANI Architecte SI 3.0 et BigData mramdani@palo-it.com +33 6 80 22 20 70 Appelez-moi Hammed ;-) (Sidi Mo)Hammed Ramdani @smramdani
Plus en détailRecherche d information : contours et bonnes pratiques
Recherche d information : contours et bonnes pratiques Pr. Mohand Boughanem bougha@irit.fr http://www.irit.fr/~mohand.boughanem Université Paul Sabatier de Toulouse Laboratoire IRIT, UMR5055 118 Route
Plus en détailGestion Electronique de Document (ECM/GED)
Gestion Electronique de Document (ECM/GED) Analyse de l existant Découpage modulaire La gestion électronique de documents repose sur un ensemble de deux modules conjoints, au sein de la famille «ecm» :
Plus en détailIntroduction à ElasticSearch
Introduction à ElasticSearch Présentée par : Romain Pignolet Lundi 7 Juillet 2014 Sommaire 1 Présentation de Elasticsearch 2 Installation et exemples simples 3 API Rest 4 Comment fonctionne Elasticsearch?
Plus en détailINSTALLATION et déploiement de Microsoft Dynamics CRM 2013. Ref : 80539
INSTALLATION et déploiement de Microsoft Dynamics CRM 2013 Durée : 2 jours Ref : 80539 Objectif Ce cours de deux jours apporte au stagiaire les compétences nécessaires à l installation et au déploiement
Plus en détailLe rapport de stage. Déroulement du stage. Contenu du rapport. Présentation du rapport. S. Loizel Collège St Joseph Caudan
Le rapport de stage Déroulement du stage Contenu du rapport Présentation du rapport Le déroulement du stage Le déroulement du stage Pourquoi un stage en entreprise? Pour découvrir un ou plusieurs métiers.
Plus en détailExtraction de mots-clefs dans des vidéos Web par Analyse Latente de Dirichlet
Extraction de mots-clefs dans des vidéos Web par Analyse Latente de Dirilet RÉSUMÉÑÓ Ñ ºÑÓÖ ÙÒ Ú¹ Ú ÒÓÒº Ö ÓÖ ºÐ Ò Ö ÙÒ Ú¹ Ú ÒÓÒº Ö Mohamed Morid 1 Georges Linarès 1 (1) LIA-CERI, Université d Avignon
Plus en détailCENTRE D ETUDES TECHNIQUES DE L EQUIPEMENT Point national d appui documentaire. Rapport de Stage. Master Informatique du Document.
UNIVERSITÉ LILLE III - CHARLES DE GAULLE UFR Mathématiques, Sciences Économiques et Sociales CENTRE D ETUDES TECHNIQUES DE L EQUIPEMENT Point national d appui documentaire Rapport de Stage Master Informatique
Plus en détailBIG DATA. Veille technologique. Malek Hamouda Nina Lachia Léo Valette. Commanditaire : Thomas Milon. Encadré: Philippe Vismara
BIG DATA Veille technologique Malek Hamouda Nina Lachia Léo Valette Commanditaire : Thomas Milon Encadré: Philippe Vismara 1 2 Introduction Historique des bases de données : méthodes de stockage et d analyse
Plus en détailLe verbe : chanter Le verbe : jouer Le verbe : regarder. Je chantai Je jou Je regard. Tu chantas Tu jou Tu regard. Il chanta Il jou Il regard
Le verbe : chanter Le verbe : jouer Le verbe : regarder Je chantai Je jou Je regard Tu chantas Tu jou Tu regard Il chanta Il jou Il regard Nous chantâmes Nous jou Nous regard Vous chantâtes Vous jou Vous
Plus en détailRokia Missaoui - UQO. INF4163 Hiver 2008
Installation de SQL Server 2000 Rokia Missaoui - UQO INF4163 Hiver 2008 Insertion du CD de SQL Server et choix des composants 2 1 Installation du serveur de BD 3 4 2 Installation des outils client et serveur
Plus en détailUtilisation d Hyperplanning 2011
Utilisation d Hyperplanning 0 4 Utilisation Importer des données 5 Importer des données 6 Utilisation Fiche n 46 - Connaître les règles d unicité à savoir : cette fiche présente les règles appliquées par
Plus en détailFichier sql.ini, Serveurs
Photos d écrans Fichier sql.ini, Serveurs SQLBrowser lit un fichier sql.ini Les serveurs peuvent organisés en groupes On peut allouer une Couleur aux serveurs qui sera utilisée comme arrière plan des fenêtres
Plus en détailNOM : Prénom: Date de naissance : Nationalité : Adresse mail : Adresse Skype : Portable : Téléphone fixe : Adresse complète : CURSUS UNIVERSITAIRE
FICHE DE PREINSCRIPTION MASTER1 PHARMACIE INDUSTRIELLE OPTION PRODUCTION PHARMACEUTIQUE Avant d envoyer votre mail assurez-vous que vous avez rempli votre dossier correctement et que vous avez bien attaché
Plus en détailAcadémie Google AdWords. Lille le 19 janvier 2012
Académie Google AdWords Lille le 19 janvier 2012 Sommaire - matin Atelier 1 Bases Adwords Internet en France Qu est-ce que Google Adwords? Le Score de Qualité (QS) Comment créer un compte? L interface
Plus en détailCOMMENT TROUVER SON STAGE AUX USA. Claire Hill, responsable service Visa J-1
COMMENT TROUVER SON STAGE AUX USA Claire Hill, responsable service Visa J-1 français ont fait un stage à l étranger (Enquête Mobilité 2013 - CGE) 15%Étudiants 15 % en Amérique du Nord 2714 2349 2213 1.
Plus en détailMoteur de recherche MOSS : Vision Globale et Amélioration I. IT GOVERNANCE & AMELIORATION DE LA RECHERCHE 3 II. LA RECHERCHE SOUS MOSS 7
I. IT GOVERNANCE & AMELIORATION DE LA RECHERCHE 3 A. PRINCIPALES ETAPES 4 B. FOCUS : PROCESSUS METIERS CLEF 5 C. ORGANISATION 6 II. LA RECHERCHE SOUS MOSS 7 A. PARAMETRES DES SERVICES DE RECHERCHE 7 B.
Plus en détailMapReduce. Malo Jaffré, Pablo Rauzy. 16 avril 2010 ENS. Malo Jaffré, Pablo Rauzy (ENS) MapReduce 16 avril 2010 1 / 15
MapReduce Malo Jaffré, Pablo Rauzy ENS 16 avril 2010 Malo Jaffré, Pablo Rauzy (ENS) MapReduce 16 avril 2010 1 / 15 Qu est ce que c est? Conceptuellement Données MapReduce est un framework de calcul distribué
Plus en détailCommunication inter-processus (IPC) : tubes & sockets. exemples en C et en Java. F. Butelle
F. Butelle, E. Viennet, Système GTR2 IUT Paris 3 Communication inter-processus (IPC) : tubes & sockets exemples en C et en Java F. Butelle F. Butelle, E. Viennet, Système GTR2 IUT Paris 3 Java : implémentation
Plus en détailOpenPaaS Le réseau social d'entreprise
OpenPaaS Le réseau social d'entreprise Spécification des API datastore SP L2.3.1 Diffusion : Institut MinesTélécom, Télécom SudParis 1 / 12 1OpenPaaS DataBase API : ODBAPI...3 1.1Comparaison des concepts...3
Plus en détailMS Dynamics CRM 2013 - Installation et déploiement Mettre en œuvre la solution (M80539)
MS Dynamics CRM 2013 - Installation et déploiement Mettre en œuvre la solution (M80539) Durée 2 Jours / 14 Heures de formation Objectifs Savoir identifier les pré-requis matériels et logiciels pour chaque
Plus en détailDistinguer les requêtes pour améliorer la recherche d information XML
Lyon - France Distinguer les requêtes pour améliorer la recherche d information XML Kurt Englmeier ***, Gilles Hubert *, Josiane Mothe *,** *Institut de Recherche en Informatique de Toulouse Equipe SIG/EVI
Plus en détailGénérer un PDF avec polices incorporées
0 Générer un PDF avec polices incorporées www.imprimermonlivre.com Générer un PDF avec polices incorporées selon le logiciel ou l imprimante Edité et diffusé par Jouve, ce guide s adresse aux auteurs et
Plus en détailSaisie et d analyse des questionnaires de sortie
Mode d emploi du site Ecoute Saisie et d analyse des questionnaires de sortie Version du 5 mars 2007 1 Notes préliminaires L utilisation du site est identique pour tous les établissements Générale de Santé.
Plus en détailSQL Server et Active Directory
SQL Server et Active Directory Comment requêter AD depuis SQL Server Comment exécuter des requêtes de sélection sur un Active Directory depuis SQL Server? L'utilisation du principe des serveurs liés adapté
Plus en détail«Quelle information aux patients en recherche biomédicale? Quels enseignements en retirer pour la pratique quotidienne?»
«Quelle information aux patients en recherche biomédicale? Quels enseignements en retirer pour la pratique quotidienne?» Dr Adeline Paris Unité de Pharmacologie Clinique Centre d Investigation Clinique
Plus en détailProposition technique et commerciale
Sommaire 1. Préambule... 2 2. Présentation du contexte... 3 3. Solution technique proposée... 4 3.1. P1 La conception et le développement du site... 4 3.2. P2 Installation / Formation... 5 3.3. La maintenance...
Plus en détailBI = Business Intelligence Master Data-ScienceCours 3 - Data
BI = Business Intelligence Master Data-Science Cours 3 - Datawarehouse UPMC 8 février 2015 Rappel L Informatique Décisionnelle (ID), en anglais Business Intelligence (BI), est l informatique à l usage
Plus en détailRecherche d information textuelle
Recherche d information textuelle Recherche Web B. Piwowarski CNRS / LIP6 Université Paris 6 benjamin@bpiwowar.net http://www.bpiwowar.net Master IP - 2014-15 Cours et travaux pratiques basés sur les documents
Plus en détailRessources lexicales au service de recherche et d indexation des images
RECITAL 2011, Montpellier, 27 juin - 1er juillet 2011 Ressources lexicales au service de recherche et d indexation des images Inga Gheorghita 1,2 (1) ATILF-CNRS, Nancy-Université (UMR 7118), France (2)
Plus en détailMulti-catégorisation de textes juridiques et retour de pertinence
Multi-catégorisation de textes juridiques et retour de pertinence Vincent Pisetta, Hakim Hacid et Djamel A. Zighed article paru dans G. Ritschard et C. Djeraba (eds), Extraction et gestion des Connaissances
Plus en détailBien acheter son référencement Leila Couaillier-Moumeni LSFinteractive
COMPÉTENCES TOURISME2011-2012 Les Rencontres Bien acheter son référencement Leila Couaillier-Moumeni LSFinteractive Sommaire 1 ère partie Quelques définition Définition : SEO + SEA = SEM Définition : qu
Plus en détailHOWTO INSTALLATION DB2 et NSE (sous RedHat)
HOWTO INSTALLATION DB2 et NSE (sous RedHat) Pré-requis : Installer si ce n est pas déjà fait, des packages RPM suivants : libaio-0.3.106-3.2.x86_64.rpm libaio-0.3.106-3.2.i386.rpm compat-libstdc++-33-3.2.3-61.x86_64.rpm
Plus en détailOptimisations des SGBDR. Étude de cas : MySQL
Optimisations des SGBDR Étude de cas : MySQL Introduction Pourquoi optimiser son application? Introduction Pourquoi optimiser son application? 1. Gestion de gros volumes de données 2. Application critique
Plus en détailTout sur les relations d approbations (v2)
Tout sur les relations d approbations (v2) Tutorial conçu et rédigé par Michel de CREVOISIER Septembre 2013 SOURCES Relations d approbation : http://www.labo-microsoft.org/articles/win/trust/ http://technet.microsoft.com/en-us/library/cc730798.aspx
Plus en détailApplication Form/ Formulaire de demande
Application Form/ Formulaire de demande Ecosystem Approaches to Health: Summer Workshop and Field school Approches écosystémiques de la santé: Atelier intensif et stage d été Please submit your application
Plus en détailMaster d Informatique M1 Université Paris 7 - Denis Diderot Travail de Recherche Encadré Surf Bayesien
Master d Informatique M1 Université Paris 7 - Denis Diderot Travail de Recherche Encadré Surf Bayesien Denis Cousineau Sous la direction de Roberto di Cosmo Juin 2005 1 Table des matières 1 Présentation
Plus en détailTED : Des logiciels pour...
1ère Journée Régionale de Conférences pluridisciplinaires sur la Prise en Charge des Troubles Envahissants du Développement TED : Des logiciels pour... Laboratoire LASC Pierre Pino, Guy Bourhis et Yann
Plus en détailProgrammation Réseau. Sécurité Java. Jean-Baptiste.Yunes@univ-paris-diderot.fr. UFR Informatique 2012-2013. jeudi 4 avril 13
Programmation Réseau Sécurité Java Jean-Baptiste.Yunes@univ-paris-diderot.fr UFR Informatique 2012-2013 Java Sécurité? différentes sécurités disponibles et contrôlables intégrité contrôle d accès signature/authentification/cryptographie
Plus en détailScrum + Drupal = Julien Dubois
Pourquoi j aime Scrum Pourquoi Scrum et Drupal sont faits pour s entendre Scrum + Drupal = Julien Dubois Happyculture.coop De quoi allons-nous parler? 1. Que sont les méthodes agiles? 2. Présentation de
Plus en détailCette Leçon va remplir ces attentes spécifiques du curriculum :
Dev4Plan1 Le Plan De Leçon 1. Information : Course : Français Cadre Niveau : Septième Année Unité : Mes Relations Interpersonnelles Thème du Leçon : Les Adjectifs Descriptifs Date : Temps : 55 minutes
Plus en détailhttp://mondomaine.com/dossier : seul le dossier dossier sera cherché, tous les sousdomaines
Principales fonctionnalités de l outil Le coeur du service suivre les variations de position d un mot-clé associé à une URL sur un moteur de recherche (Google - Bing - Yahoo) dans une locale (association
Plus en détailLe verbe : chanter Le verbe : jouer Le verbe : regarder. Je chantais Je jou Je regard. Tu chantais Tu jou Tu regard. Il chantait Il jou Il regard
Le verbe : chanter Le verbe : jouer Le verbe : regarder Je chantais Je jou Je regard Tu chantais Tu jou Tu regard Il chantait Il jou Il regard Nous chantions Nous jou Nous regard Vous chantiez Vous jou
Plus en détailEurateach labellisé par la région et le FAFIEC. Si vous remplissez les conditions suivantes : Votre entreprise compte moins de 250 salariés
> FORMATIONS CLES EN MAIN > FORMATIONS SUR MESURE Eurateach labellisé par la région et le FAFIEC Dans le cadre du Pacte Régional de Continuité Professionnelle signé par l Etat, la Région et les Partenaires
Plus en détailDirect and Indirect Object Pronouns
Direct and Indirect Object Pronouns A. Complete the following sentences with the appropriate direct object pronoun. 1. Pierre regarde Marie. Pierre regarde. 2. André prend les photos. André prend. 3. La
Plus en détailTP Composants Java ME - Java EE. Le serveur GereCompteBancaireServlet
TP Composants Java ME - Java EE Vous allez, dans ce TP, construire une architecture client serveur, plus précisément MIDlet cliente, servlet serveur. Pour cela, on va d'abord installer la partie serveur
Plus en détailD E S C R I P T I O N D E S É L É M E N T S C L E F S D ' U I M A
UIMA UIMA (Unstructured Information Management Architecture) est un framework de développement et de déploiement d'applications de traitement des données non structurées. Lancé par IBM, et maintenant en
Plus en détailLICENCE ADMINISTRATION PUBLIQUE. www.univ-littoral.fr DROIT, ECONOMIE, GESTION
LICENCE DROIT, ECONOMIE, GESTION ADMINISTRATION PUBLIQUE www.univ-littoral.fr OBJECTIFS DE LA FORMATION La Licence d Administration Publique (LAP) propose aux étudiants une formation diplômante en vue
Plus en détailAssemblée Générale du 1Juillet 2010
Assemblée Générale du 1Juillet 2010 Sommaire Etat de l ac*vité du GEIQ IDF 2009 Axes développés 1 Equipe GEIQ IDF Chargée missions Chargée missions Chargée mission Handicap Aidecomptable Direc*on RAC Aidecomptable
Plus en détailPourquoi une stratégie de sites dédiés? Laurent-Pierre GILLIARD AEC 14/06/2007 Vincent MOREAU SYSTONIC 09/06/2006
Pourquoi une stratégie de sites dédiés? Laurent-Pierre GILLIARD AEC 14/06/2007 Vincent MOREAU SYSTONIC 09/06/2006 Pour répondre précisément aux attentes de vos publics cibles Pour répondre aux contraintes
Plus en détailLe réseau social des professionnels de la presse pro. Publiez vos articles auprès des professionnels de la presse pro
Le réseau social des professionnels de la presse pro Publiez vos articles auprès des professionnels de la presse pro QUI SOMMES NOUS? Presse-Connect est le réseau social destiné aux acteurs de la presse
Plus en détailMETIERS DU MARKETING ET DE LA COMMUNICATION
METIERS DU MARKETING ET DE LA COMMUNICATION MS DYNAMICS CRM 2013 INSTALLATION ET DEPLOIEMENT REF : M80623A DUREE : 2 JOURS TARIF : 1 000 HT Public Consultants, intégrateurs systèmes ou professionnels du
Plus en détailACCÈS SÉMANTIQUE AUX BASES DE DONNÉES DOCUMENTAIRES
ACCÈS SÉMANTIQUE AUX BASES DE DONNÉES DOCUMENTAIRES Techniques symboliques de traitement automatique du langage pour l indexation thématique et l extraction d information temporelle Thèse Défense publique
Plus en détailPédagogie : A Lyon 1 : DESS en informatique documentaire (avec Enssib), DEUST doc, IUP DIST, DEA SIC puis à Lyon 3
Présentation des offres de formation de professionnels de l IST Adaptation de l offre aux mutations technologiques et structurelles L intervenante Sylvie Lainé-Cruzel, PR à Lyon 3, actuellement responsable
Plus en détailMaster Exploration Informatique des données DataWareHouse
Master Exploration Informatique des données DataWareHouse Binôme Ahmed BENSI Enseignant tahar ARIB SOMMAIRE I. Conception...1 1. Contexte des contrats...1 2. Contexte des factures...1 II. Modèle physique...2
Plus en détailDéveloppement Logiciel
Développement Logiciel Éxamen session 1-2012-2013 (Vendedi 25 mai, 9h-11h) Seuls les documents liés directement au cours sont autorisés (comme dit sur le site) : sujets de TD, notes de cours, notes personnelles
Plus en détail2. Cliquez Contact Directory of Public Administration. 5. Tapez le mot de passe - Hello (pour OFPA). Changez le mot de passe en cas de
COURS DE FORMATION EN BASE DE DONNEES POUR LES CONTACTS N importe quel visiteur du site web peut chercher et explorer le répertoire des contacts de la base de données. Les membres de l UNPAN peuvent chercher
Plus en détailTable des matières 1. Avant-propos. Chapitre 1 Virtualisation du poste de travail
Table des matières 1 Avant-propos Chapitre 1 Virtualisation du poste de travail 1. Définition et vue d'ensemble...13 1.1 Introduction...13 1.2 Cycle de vie du poste de travail....14 1.3 Terminologie....15
Plus en détailSECURIDAY 2012 Pro Edition
SECURINETS CLUB DE LA SECURITE INFORMATIQUE INSAT SECURIDAY 2012 Pro Edition [LOAD BALANCING] Chef Atelier : Asma JERBI (rt5) Hajer MEHRZI(rt3) Rania FLISS (rt3) Ibtissem OMAR (rt3) Asma Tounsi (rt3la)
Plus en détailDMP1 DSFT des Interfaces DMP des LPS Annexe : complément de spécification sur l impression des documents à remettre au patient
DMP1 DSFT des Interfaces DMP des LPS Annexe : complément de spécification sur l impression des documents à remettre au patient Identification du document Référence Date de dernière mise à jour 30/06/11
Plus en détailLe référencement naturel
Le référencement naturel Phases essentielles Choix des mots-clés Où se référencer : moteurs, annuaires Indexation des pages du site dans les moteurs Positionnement et trafic généré Optimisation des pages
Plus en détailAutoroute A16. Système de Repérage de Base (SRB) - Localisation des Points de repère (PR) A16- A16+
01 / 24 0 0!( 10 10 20 20 02 / 24 20 20 30 30 40 40 Système de Repérage de Base (SRB) - Localisation des Points de repère (PR) 03 / 24 40 40 50 50 60 60 60 60 04 / 24 70 70 80 80 80 80 Système de Repérage
Plus en détailNFE204 Bases de données avancées
NFE204 Bases de données avancées Bases de données documentaires et NOSQL Philippe Rigaux, Nicolas Travers Conservatoire National des Arts et Métiers October 8, 2013 WebDam (CNAM) NFE204 Bases de données
Plus en détailSOLUTION DE GESTION COMMERCIALE POUR IMPRIMEURS
SOLUTION DE GESTION COMMERCIALE POUR IMPRIMEURS ENJEU: PRODUCTIVITÉ ET EFFICACITÉ COMMERCIALE DES BESOINS, UNE SOLUTION Pour un imprimeur de petite ou moyenne taille, le devisage est complexe o Chaque
Plus en détailProposition des cadres d évaluation adaptés à un système de RI personnalisé
Proposition des cadres d évaluation adaptés à un système de RI personnalisé Mariam Daoud, Lynda Tamine-Lechani Laboratoire IRIT, Université Paul Sabatier 118 Route de Narbonne, F-31062 TOULOUSE CEDEX 9
Plus en détailÉDITION SPÉCIALE NOUVEAUX BARÈMES
COM INFO REGROUPEMENT DE CREDITS Document non contractuel, à usage strictement professionnel. Réservé aux partenaires de GE Money Bank. MAI 213 ÉDITION SPÉCIALE NOUVEAUX BARÈMES Découvrez nos nouveaux
Plus en détailSystème Normalisé de Gestion des Bibliothèques -SYNGEB : version Réseau-
Ministère de l Enseignement Supérieur et de la Recherche Scientifique Centre de Recherche sur l Information Scientifique et Technique Système Normalisé de Gestion des Bibliothèques -SYNGEB : version Réseau-
Plus en détailINF8007 Langages de script
INF8007 Langages de script Sockets et serveur 1/18 INF8007 Langages de script Sockets et serveur Michel Desmarais Génie informatique et génie logiciel École Polytechnique de Montréal Hiver, 2014 INF8007
Plus en détailORDINATEUR DOSSIERS FICHIERS
SÉANCE INFORMATIQUE N 1 ORDINATEUR DOSSIERS FICHIERS Geo-phile : il y a un lien vers un site de définition des termes informatiques. 1/ ORDINATEUR - Disque dur : capacité exponentielle : actuellement plus
Plus en détailComment réussir son référencement
Internet Comment réussir son référencement Sept clés pour définir et mettre en œuvre un plan d action efficace pour bien positionner ses contenus web dans les pages de résultats des moteurs, et particulièrement
Plus en détail