Journée Rencontres Académiques SCS

Dimension: px
Commencer à balayer dès la page:

Download "Journée Rencontres Académiques SCS"

Transcription

1 Journée Rencontres Académiques SCS 24/01/2012 Prof. Frédéric Precioso

2 Knowledge Extraction, Integration & Algorithms (KEIA) 2 /35 Permanents Célia Pereira da Costa, Christel Dartigues, Denis Pallez, Nicolas Pasquier, Frédéric Precioso Thématique de recherche Extraction de connaissances (décision / modèles) Contexte Grands volumes de données (hétérogènes, temporelles, semistructurées ) Domaines d application Biologie, Hydrologie, Multimédia Comment?

3 Nos compétences 3 /35 Classifier, grouper, associer? Si xxx & yyyy alors Si xxx zzzz alors

4 Nos compétences 4 /35 Prédire Apprentissage? Modèle (Arbres de décisions, Règles, RN, SVM ) Prédiction

5 Plan 5 /35 Recherche d information visuelle basée contenu (CBIR) Introduction Passage à l échelle pour les très grandes bases CBIR pour objets complexes

6 Intro : Recherche d'info basée contenu 6 /35 Moteurs de recherche actuels : 1. Annotation manuelle de la base coûteux / peu évolutif 2. Exploitation de métadonnées peu fiable Requête par mots-clefs polysémie / ambigüité

7 Résultat de Google Image 7 /35

8 Résultat de Google Image 8 /35

9 CBIR système : franchir le fossé sémantique 9 /35

10 CBIR système : franchir le fossé sémantique 10 /35

11 Intro : Système de recherche d information basée contenu (CBIR) 11 /35 Représentation de données Extraction des primitives (visuelles) : Locales Globales Descriptions (visuelles) : couleur, texture Recherche par similarité du contenu

12 Intro : Système de recherche d information basée contenu (CBIR) 12 /35 Problème de classification

13 SVM séparateur linéaire 13 /35

14 SVM séparateur linéaire 14 /35

15 Apprentissage Interactif 15 /35 Annotations Ensemble des données d apprentissage les plus incertaines initial

16 SVM non-linéaire : Noyaux 16 /35 Cas non-linéairement séparable Transformer dans un espace de plus grande dimension La solution dans F Espace des données Espace des caractéristiques Fonctions noyaux : k( x, x') = Φ( x) Φ( x') En utilisant le noyau Distant Segment, Boisvert et al. ont les meilleurs résultats jusqu à maintenant pour la détermination du co-récepteur utilisé par le virus du VIH de type 1.

17 Intro : Recherche d'info basée contenu 17 /35 Internet aujourd hui... Flickr = 3000 images déposées par minute pour atteindre 5 milliards d'images en septembre 2010* YouTube = 20 heures de vidéo déposées chaque minute en mai heures chaque minute en mars heures chaque minute maintenant* YouTube = 60 jours de vidéos déposées > 60 ans des 3 plus grandes majors américaines* *Stats from website-monitoring.com

18 Plan 18 /35 Recherche d information visuelle basée contenu (CBIR) Introduction Passage à l échelle pour les très grandes bases CBIR pour objets complexes

19 Problèmes du passage à l échelle 19 /35 Système CBIR pour les descriptions locales Système CBIR pour les descriptions globales Système CBIR pour la recherche interactive

20 Passage à l échelle 20 /35 Hors ligne En ligne

21 Résultats principaux : Descriptions locales 21 /35 UFAST I I = k p p = Evaluation : K ( q, j ) ( rq, sj ) 1LSH ( prq ) LSH ( psj ) p I p I 1. INRIA Holidays 1500 images 2. Holidays + Flickr 100K images 4000 points saillants par image Résultats : rq q sj j 1. 4,5 millions de descripteurs 76% de bonnes images (2 ème meilleure méthode 54,9%) millions de descripteurs 42% de bonnes images (2 ème meilleure méthode 39%), 3,2 secondes par recherche

22 Passage à l échelle 22 /35 Hors ligne En ligne 2 χ i j i j ( ) ( h h ), h = k k + h i 2 j 2 k hk hk 2

23 Résultats principaux : Descriptions globales 23 /35 Nouvelle structure de hachage de l espace basée χ 2 mieux adaptée que schéma classique L 2 : gain de 30% Schéma d optimisation de la mémoire : 30 Go = 50 M d'images (dim 128)

24 Passage à l échelle 24 /35 Hors ligne En ligne

25 Résultats principaux : Recherche active 25 /35 Recherche interactive dans 180K images : 50 annotations stratégiquement sélectionnées = 40x plus vite que la recherche exhaustive pour une perte en précision de ~1.3% Précision Moyenne sur les 10 catégories (chat, bus, vélo, bouteille ) en pourcentage d images pertinentes parmi les 200 premières retournées

26 Plan 26 /35 Recherche d information visuelle basée contenu (CBIR) Introduction Passage à l échelle pour les très grandes bases CBIR pour objets complexes

27 Système CBIR pour objets complexes 27 /35 Reconnaissance d objets architecturaux : structure explicite spatiale Reconnaissance d acteurs : structure explicite pour la représentation spatio-temporelle

28 Représentation structurée spatialement : Projet ANR itowns 28 /35 image-based Town On-line Web Navigation and Search engine

29 Représentation structurée spatialement : reconnaissance d architecture 29 /35

30 Structure spatio-temporelle explicite : Projet Digiteo K-Videoscan 30 /35

31 Structure spatio-temporelle explicite 31 /35 K (T,T i j ) = r s C ri T i C sj T j e q - 2σ 2 2 ( C ri C sj ) ( xri xsj ) + ( y ri y sj ) - 2 C ri + C sj σ 2 e

32 Structure spatio-temporelle explicite 32 /35 Grâce aux noyaux tout est fait!!

33 Structure spatio-temporelle explicite 33 /35 Intra-episode Inter-episode

34 Structure spatio-temporelle explicite 34 /35 Résultat de RETIN pour 2 annotations positives, 2 annotations négatives

35 CBIR système : franchir le fossé sémantique 35 /35

De 2 à 22 millions d'images; Création, Indexation et Recherche par le contenu avec Piria

De 2 à 22 millions d'images; Création, Indexation et Recherche par le contenu avec Piria De 2 à 22 millions d'images; Création, Indexation et Recherche par le contenu avec Piria contact : patrick.hede@cea.fr Commissariat à l'energie Atomique List sensorielles 13/05/07 1 Plan Le CEA, le Lic2m

Plus en détail

Maintien des personnes âgées à domicile

Maintien des personnes âgées à domicile Maintien des personnes âgées à domicile Enjeux scientifiques et technologiques liés à la vision par ordinateur Christian Wolf http://liris.cnrs.fr/christian.wolf Introduction Sommaire Les données et les

Plus en détail

Apprentissage interactif et collaboratif pour la recherche dans les bases multimédia

Apprentissage interactif et collaboratif pour la recherche dans les bases multimédia Apprentissage interactif et collaboratif pour la recherche dans les bases multimédia Philippe-Henri Gosselin Habilitation à Diriger des Recherches Université de Cergy-Pontoise 10 novembre 2011 La recherche

Plus en détail

N. Paparoditis, Laboratoire MATIS

N. Paparoditis, Laboratoire MATIS N. Paparoditis, Laboratoire MATIS Contexte: Diffusion de données et services locaux STEREOPOLIS II Un véhicule de numérisation mobile terrestre Lasers Caméras Système de navigation/positionnement STEREOPOLIS

Plus en détail

De 2 à 22 millions d'images; Création, Indexation et Recherche par le contenu avec PiRiA

De 2 à 22 millions d'images; Création, Indexation et Recherche par le contenu avec PiRiA De 2 à 22 millions d'images; Création, Indexation et Recherche par le contenu avec PiRiA contact : patrick.hède@cea.fr Commissariat à l'energie Atomique GdR isis : Passage à l'échelle dans la recherche

Plus en détail

Acquisition et gestion de contenus numériques multimédia

Acquisition et gestion de contenus numériques multimédia 08/10/2014 Acquisition et gestion de contenus numériques multimédia Introduction Valérie Gouet-Brunet et Michel Crucianu valerie.gouet@ign.fr, michel.crucianu@cnam.fr IGN / CNAM http://recherche.ign.fr/labos/matis/cours/master-siaw-mlv/

Plus en détail

Nouvelles de l AS fouille d images. Émergence de caractéristiques sémantiques

Nouvelles de l AS fouille d images. Émergence de caractéristiques sémantiques Nouvelles de l AS fouille d images Émergence de caractéristiques sémantiques Patrick GROS Projet TEXMEX IRISA - UMR 6074, CNRS, université de Rennes 1, INSA Rennes, INRIA L AS fouille d images Qu est-ce

Plus en détail

INDEXATION des IMAGES

INDEXATION des IMAGES INDEXATION des IMAGES Marine Campedel www.tsi.enst.fr/~campedel mars 2005 Plan du cours Généralités Méthodes Indexation textuelle Indexation par le contenu Récupération de l information (retrieval) Feedback

Plus en détail

Recherche d'images par le contenu Application au monitoring Télévisuel à l'institut national de l'audiovisuel

Recherche d'images par le contenu Application au monitoring Télévisuel à l'institut national de l'audiovisuel Recherche d'images par le contenu Application au monitoring Télévisuel à l'institut national de l'audiovisuel Alexis Joly alexis.joly@inria.fr INRIA - IMEDIA Alexis Joly cours monitoring p. 1 Plan de l'exposé

Plus en détail

Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes

Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes CNES Paris - 22/05/2003 Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes Michel DHOME LASMEA UMR 6602CNRS/UBP Clermont-Ferrand Etat de l art (communauté vision artificielle)

Plus en détail

MPEG-7 et la description des contenus vidéo. Quelques Acronymes Et QQ A E A C Autres Codes. Plan. Philippe Joly

MPEG-7 et la description des contenus vidéo. Quelques Acronymes Et QQ A E A C Autres Codes. Plan. Philippe Joly MPEG- et la description des contenus vidéo Philippe Joly Cet exposé faisait très largement référence aux documents de travail émanant du groupe MPEG disponibles sur le web. Les références aux sites concernés

Plus en détail

Séminaire DIXIT - Les nouvelles frontières de la «data intelligence» : content analytics, machine-learning, prédictif

Séminaire DIXIT - Les nouvelles frontières de la «data intelligence» : content analytics, machine-learning, prédictif Séminaire DIXIT - Les nouvelles frontières de la «data intelligence» : content analytics, machine-learning, prédictif 13 avril 2015 LES INNOVATIONS DANS LA SOCIAL MEDIA INTELLIGENCE Expérience informationnelle

Plus en détail

Vers les systèmes d informations 3D pour l étude historique et l analyse de l état de conservation des édifices patrimoniaux

Vers les systèmes d informations 3D pour l étude historique et l analyse de l état de conservation des édifices patrimoniaux Tecnologie digitali per i beni culturali Les technologies numériques pour le patrimoine culturel Ambasciata di Francia in Italia, Roma - 20/06/2104 Vers les systèmes d informations 3D pour l étude historique

Plus en détail

Séance 12: Algorithmes de Support Vector Machines

Séance 12: Algorithmes de Support Vector Machines Séance 12: Algorithmes de Support Vector Machines Laboratoire de Statistique et Probabilités UMR 5583 CNRS-UPS www.lsp.ups-tlse.fr/gadat Douzième partie XII Algorithmes de Support Vector Machines Principe

Plus en détail

Système OLAP Fresqueau

Système OLAP Fresqueau Système OLAP Fresqueau Kamal BOULIL Journées 20 mars Strasbourg Réunion plénière -Fresqueau 07-08 octobre 2013 1 Plan 1. Introduction 1. Projet ANR Fresqueau 2. Systèmes OLAP 2. Système OLAP Fresqueau

Plus en détail

Informatique, spécialité AIGLE

Informatique, spécialité AIGLE Université de MONTPELLIER 2 1/3 Informatique, spécialité AIGLE L1 S1 Algebre et Analyse 1 10 L1 S1 Calculus 5 L1 S1 Du binaire au web 5 L1 S1 Introduction à l'algorithmique 5 L1 S1 Physique générale 5

Plus en détail

Analyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57

Analyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57 Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation

Plus en détail

Les outils de veille sur Internet Panorama, évolutions, nouveautés. Myriel Brouland SCIP France -10 Mai 2006

Les outils de veille sur Internet Panorama, évolutions, nouveautés. Myriel Brouland SCIP France -10 Mai 2006 Les outils de veille sur Internet Panorama, évolutions, nouveautés Myriel Brouland SCIP France -10 Mai 2006 1 La veille en France: une situation paradoxale Une situation contrastée Une prise de conscience

Plus en détail

Vision par ordinateur

Vision par ordinateur Vision par ordinateur Introduction au domaine Applications Frédéric Devernay Qu'est-ce que la vision? Le monde a une structure 3D et est composé d'objets L'être humain sait parfaitement décrire et interpréter

Plus en détail

Gestion de Contenus Web (WCM)

Gestion de Contenus Web (WCM) Web Content Management 1 Gestion de Contenus Web (WCM) Bernd Amann Modelware : vers la modélisation et la sémantisation de l information École CEA-EDF-INRIA 16-27 juin 2003 Cours No 1 - Gestion de Contenus

Plus en détail

Bases de données documentaires et distribuées Cours NFE04

Bases de données documentaires et distribuées Cours NFE04 Bases de données documentaires et distribuées Cours NFE04 Introduction du cours Auteurs : Raphaël Fournier-S niehotta, Philippe Rigaux, Nicolas Travers prénom.nom@cnam.fr Département d informatique Conservatoire

Plus en détail

Cours No 8 - Entrepôt de données XML

Cours No 8 - Entrepôt de données XML B. Amann - Cours No 8 - Entrepôt de données XML 1 Slide 1 Cours No 8 - Entrepôt de données XML Système d information et Web Le Web Slide 2 applications ad hoc recherche manuelle navigation mises à jour

Plus en détail

Comparaison d images binaires reposant sur une mesure locale des dissimilarités Application à la classification

Comparaison d images binaires reposant sur une mesure locale des dissimilarités Application à la classification 1/54 Comparaison d images binaires reposant sur une mesure locale des dissimilarités Application à la classification Étienne Baudrier CReSTIC vendredi 9 décembre 2005 2/54 Contexte programme national de

Plus en détail

Support Vector Machines

Support Vector Machines Support Vector Machines Séparateurs à vaste marge Arnaud Revel revel.arnaud@gmail.com Plan 1 Introduction 2 Formalisation 3 Utilisation des noyaux 4 Cas multi-classes 5 Applications des SVM 6 Bibliographie

Plus en détail

SEMIDE EMWIS. Proposition de métadonnées. Lylia ABROUK LIRMM EMWIS Technical Unit l.abrouk@semide.org. http://www.emwis.org. http://www.semide.

SEMIDE EMWIS. Proposition de métadonnées. Lylia ABROUK LIRMM EMWIS Technical Unit l.abrouk@semide.org. http://www.emwis.org. http://www.semide. SEMIDE EMWIS http://www.semide.org http://www.emwis.org Proposition de métadonnées communes Lylia ABROUK LIRMM EMWIS Technical Unit l.abrouk@semide.org Unité Technique du SEMIDE / EMWIS Technical EURO-MEDITERRANEAN

Plus en détail

Data Mining et Big Data

Data Mining et Big Data Data Mining et Big Data Eric Rivals LIRMM & Inst. de Biologie Computationnelle CNRS et Univ. Montpellier 14 novembre 2015 E. Rivals (LIRMM & IBC) Big Data 14 novembre 2015 1 / 30 Introduction, contexte

Plus en détail

Pair-à-Pair: Architectures et Services

Pair-à-Pair: Architectures et Services Pair-à-Pair: Architectures et Services Fabrice Le Fessant Fabrice.Le_Fessant@inria.fr Équipe ASAP (Réseaux très large échelle) INRIA Saclay Île de France Octobre 2008 Fabrice Le Fessant () Architectures

Plus en détail

Profil appel à candidatures : Contacts et adresses correspondance : Spécifications générales de cet appel à candidatures :

Profil appel à candidatures : Contacts et adresses correspondance : Spécifications générales de cet appel à candidatures : Appel à candidatures : Année de campagne : 2014 N appel à candidatures : ATER0318 Publication : 12/02/2014 Etablissement : Lieu d'exercice des fonctions : Section1 : 27 - Informatique Quotité du support

Plus en détail

ExEcutivE certificate Cloud ComPutInG

ExEcutivE certificate Cloud ComPutInG Executive Certificate Cloud Le premier cursus certifiant Cloud : Architecture et Gouvernance L apport incontestable de l association d une grande école d ingénieurs avec un expert international de la formation

Plus en détail

Bases de données multimédia VII Bag of words

Bases de données multimédia VII Bag of words Bases de données multimédia VII Bag of words ENSIMAG 2014-2015 Matthijs Douze & Karteek Alahari Video-Google! LA référence : Josef Sivic and Andrew Zisserman «Video Google: A Text Retrieval Approach to

Plus en détail

Pourquoi intégrer le Big Data à son organisa3on?

Pourquoi intégrer le Big Data à son organisa3on? Pourquoi intégrer le Big Data à son organisa3on? Yvan Robert, VP Affaires Stratégiques Emmanuel Faug, Resp. pra>que BI Colloque 2014 Big Data Agenda Qui sommes nous? L importance de l information Méthodes

Plus en détail

Reconnaissance des formes : Classement d ensembles d objets

Reconnaissance des formes : Classement d ensembles d objets Reconnaissance des formes : Classement d ensembles d objets Données Méthodes Extraction de connaissances Applications Expertise Apprentissage Bernard FERTIL Directeur de Recherche CNRS Équipe LXAO, UMR

Plus en détail

zforest Plateforme web de co-visualisation

zforest Plateforme web de co-visualisation FORESEE : Colloque de restitution 14 novembre 2014 FCBA Paris zforest Plateforme web de co-visualisation David Vandergucht, MATIS,IGN Différentes échelles 14/11/2014 FORESEE : Colloque de restitution /

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

Contexte. EIAH et Langue des signes. Documents en LS. Langues des Signes

Contexte. EIAH et Langue des signes. Documents en LS. Langues des Signes Contexte EIAH et Langue des signes Spécifications et Outils pour construire des EIAH adaptés à la langue des signes et aux apprenants sourds Pourquoi introduire la LS dans les EIAH? LS : la langue des

Plus en détail

EXECUTIVE CERTIFICATE CLOUD COMPUTING

EXECUTIVE CERTIFICATE CLOUD COMPUTING EXECUTIVE CERTIFICATE CLOUD COMPUTING EN PARTENARIAT AVEC LE PREMIER CURSUS CERTIFIANT CLOUD COMPUTING : ARCHITECTURE ET GOUVERNANCE L apport incontestable de l association d une grande école d ingénieurs

Plus en détail

Comment rendre un site d e-commerce intelligent

Comment rendre un site d e-commerce intelligent Comment rendre un site d e-commerce intelligent Alexei Kounine CEO +33 (0) 6 03 09 35 14 alex@tastehit.com Christopher Burger CTO +49 (0) 177 179 16 99 chris@tastehit.com L embarras du choix Donner envie

Plus en détail

L ANALYSE DES DONNÉES CLIENTS AU SERVICE DE LA PRÉVISION D ACHAT DE VOYAGES

L ANALYSE DES DONNÉES CLIENTS AU SERVICE DE LA PRÉVISION D ACHAT DE VOYAGES L ANALYSE DES DONNÉES CLIENTS AU SERVICE DE LA PRÉVISION D ACHAT DE VOYAGES SAS 3 DEC 2015 1 sur 9 TRANSAT Un voyagiste international solidement installé au Canada, en France et au Royaume-Uni, qui offre

Plus en détail

Introduction aux Support Vector Machines (SVM)

Introduction aux Support Vector Machines (SVM) Introduction aux Support Vector Machines (SVM) Olivier Bousquet Centre de Mathématiques Appliquées Ecole Polytechnique, Palaiseau Orsay, 15 Novembre 2001 But de l exposé 2 Présenter les SVM Encourager

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

Méthodes d apprentissage :

Méthodes d apprentissage : Méthodes d apprentissage : application au tri de complexes protéines-protéines Jérôme Azé Apprentissage: tâches Apprentissage non supervisé (Eisen, ) Apprentissage supervisé (arbres de décision, k-ppv,

Plus en détail

Faire de votre marque un média et convertir votre audience en client. Proposition de réalisation d un audit sémantique de référencement

Faire de votre marque un média et convertir votre audience en client. Proposition de réalisation d un audit sémantique de référencement Faire de votre marque un média et convertir votre audience en client Proposition de réalisation d un audit sémantique de référencement «Si les annonceurs deviennent des médias et les médias des agences,

Plus en détail

Masses de données. 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA

Masses de données. 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA Masses de données 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA Rédacteurs : Mjo Huguet / N. Jozefowiez 1. Introduction : Besoins Informations et Aide

Plus en détail

PROJET. Département Image et Automatique. O. Déforges H. Guéguen

PROJET. Département Image et Automatique. O. Déforges H. Guéguen PROJET Département Image et Automatique O. Déforges H. Guéguen 1 Organisation du Département Image Automatique (O. Déforges H. Guéguen) (E5) Image (O. Déforges) (E6) Automatique des Systèmes Hybrides (H.

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

Couplage d une base de données documentaire à une visualisation interactive 3D sur l Internet

Couplage d une base de données documentaire à une visualisation interactive 3D sur l Internet Couplage d une base de données documentaire à une visualisation interactive 3D sur l Internet Romain Raffin, Jean-luc REY Aix-Marseille Université Plate-forme technologique PRISM Iut d Aix-Marseille romain.raffin[at]univ-amu.fr

Plus en détail

Apprentissage par méthodes à noyaux en reconnaissance d images

Apprentissage par méthodes à noyaux en reconnaissance d images Apprentissage par méthodes à noyaux en reconnaissance d images Alberto Bietti Table des matières Introduction 2 1 Apprentissage par méthodes à noyaux 2 1.1 Position du problème et motivation..........................

Plus en détail

GED: Gestion Electronique de Document (Support de cours) R. MAHMOUDI (mahmoudr@esiee.fr) www.research-ace.net/~mahmoudi 1 Gestion Electronique de Documents Plan du cours - Introduction générale - Spécificités

Plus en détail

Trends. Médias sociaux et SEO - la force du contenu

Trends. Médias sociaux et SEO - la force du contenu Trends Médias sociaux et SEO - la force du contenu Problématique Quel est le rôle du contenu dans son projet d optimisation de son site web? SEO : Search Engine Optimization L'optimisation pour les moteurs

Plus en détail

Motivation : pourquoi exploration de données? Nous nous noyons dans les données, mais manquons cruellement de connaissances

Motivation : pourquoi exploration de données? Nous nous noyons dans les données, mais manquons cruellement de connaissances 1 Introduction Définition et motivations Tâches de data mining (fouille de données, exploration de données) Techniques et algorithmes Exemples et applications 1 Motivation : pourquoi exploration de données?

Plus en détail

Une expérience d achat Paradyse!

Une expérience d achat Paradyse! Une expérience d achat Paradyse! Objectif Concevoir une nouvelle version du site optimisée pour la transformation, répondant aux attentes des utilisateurs dans le respect des valeurs de marque Virgin Mobile.

Plus en détail

Data Mining, fouille de données: Concepts et techniques. Marius Fieschi Faculté de Médecine de Marseille

Data Mining, fouille de données: Concepts et techniques. Marius Fieschi Faculté de Médecine de Marseille Data Mining, fouille de données: Concepts et techniques Marius Fieschi Faculté de Médecine de Marseille Data Mining, fouille de données: Concepts et techniques Ce cours est très proche du cours diffusé

Plus en détail

Base de données en mémoire

Base de données en mémoire Base de données en mémoire Plan Bases de données relationnelles OnLine Analytical Processing Difficultés de l OLAP Calculs en mémoire Optimisations 1 Base de données relationnelle Introduction Date Exemple

Plus en détail

INDEXATION DE DOCUMENTS AUDIOVISUELS. Yannick Prié LIRIS UMR 5205 CNRS - Université Claude Bernard Lyon 1 Journées VISA 18 décembre 2008

INDEXATION DE DOCUMENTS AUDIOVISUELS. Yannick Prié LIRIS UMR 5205 CNRS - Université Claude Bernard Lyon 1 Journées VISA 18 décembre 2008 INDEXATION DE DOCUMENTS AUDIOVISUELS Yannick Prié LIRIS UMR 5205 CNRS - Université Claude Bernard Lyon 1 Journées VISA 18 décembre 2008 Présentation MCF informatique Université Claude Bernard Lyon 1 Equipe

Plus en détail

Sauvegarde collaborative entre pairs Ludovic Courtès LAAS-CNRS

Sauvegarde collaborative entre pairs Ludovic Courtès LAAS-CNRS Sauvegarde collaborative entre pairs 1 Sauvegarde collaborative entre pairs Ludovic Courtès LAAS-CNRS Sauvegarde collaborative entre pairs 2 Introduction Pourquoi pair à pair? Utilisation de ressources

Plus en détail

DATA MINING 2 Réseaux de Neurones, Mélanges de classifieurs, SVM avancé

DATA MINING 2 Réseaux de Neurones, Mélanges de classifieurs, SVM avancé I. Réseau Artificiel de Neurones 1. Neurone 2. Type de réseaux Feedforward Couches successives Récurrents Boucles de rétroaction Exemples de choix pour la fonction : suivant une loi de probabilité Carte

Plus en détail

Atelier Flash Le village de la création d entreprise

Atelier Flash Le village de la création d entreprise Atelier Flash Le village de la création d entreprise La communication Web pour les petites entreprises 29 octobre 2015 Pourquoi communiquer sur internet? Qui sont mes clients? -> Fichier client à déclarer

Plus en détail

WEKA : c est quoi? Brigitte Bigi. 15 février 2011. LPL - Équipe C3I. Brigitte Bigi (LPL - Équipe C3I) WEKA : c est quoi? 15 février 2011 1 / 32

WEKA : c est quoi? Brigitte Bigi. 15 février 2011. LPL - Équipe C3I. Brigitte Bigi (LPL - Équipe C3I) WEKA : c est quoi? 15 février 2011 1 / 32 WEKA : c est quoi? Brigitte Bigi LPL - Équipe C3I 15 février 2011 Brigitte Bigi (LPL - Équipe C3I) WEKA : c est quoi? 15 février 2011 1 / 32 Introduction 1 Introduction 2 Classification supervisée 3 WEKA

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

Cours Fouille de données avancée

Cours Fouille de données avancée Ministère de l Enseignement Supérieur et de la Recherche Scientifique Université Mohamed Khider - Biskra Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie Département d Informatique

Plus en détail

Ingénierie d aide à la décision

Ingénierie d aide à la décision Ingénierie d aide à la décision Maria Malek 1 er septembre 2009 1 Objectifs et débouchés Nous proposons dans cette option deux grands axes pour l aide à la décision : 1. La recherche opérationnelle ; 2.

Plus en détail

Bases de données documentaires et distribuées Cours NFE04

Bases de données documentaires et distribuées Cours NFE04 Bases de données documentaires et distribuées Cours NFE04 Introduction a la recherche d information Auteurs : Raphaël Fournier-S niehotta, Philippe Rigaux, Nicolas Travers prénom.nom@cnam.fr Département

Plus en détail

PLAte-forme Tsi Online - PLATO. 8 avril 2009 Présentation finale de l usage du financement sur crédit incitatif

PLAte-forme Tsi Online - PLATO. 8 avril 2009 Présentation finale de l usage du financement sur crédit incitatif PLAte-forme Tsi Online - PLATO 8 avril 2009 Présentation finale de l usage du financement sur crédit incitatif Contexte Recherches en indexation et fouilles de contenus multimédia au département TSI, Télécom

Plus en détail

La Performance Digitale en Business to Business

La Performance Digitale en Business to Business La Performance Digitale en Business to Business En quoi la performance digitale B2B et son optimisation, est-elle différente d une stratégie digitale B2C? Florent Bourc his - Marketing Stratégique - 2015

Plus en détail

Le projet HYPERCARTE

Le projet HYPERCARTE Le projet HYPERCARTE http://www-lsr.imag.fr/hypercarte/ ACI Masse de données 2003-2005 Laboratoire LSR-IMAG 1 Laboratoire ID-IMAG Projet APACHE INRIA 2 Laboratoire Géographie-Cité 3 UMS RIATE 4 (1) H.

Plus en détail

Google AdWords On & Off

Google AdWords On & Off Google AdWords On & Off + Search Display Sommaire Nous vous proposons une solution complète pour une visibilité optimale sur internet. S Search Présence dans les résultats du moteur de recherche Google

Plus en détail

Analyse des déplacements des objets mobiles : définition de comportements types

Analyse des déplacements des objets mobiles : définition de comportements types Analyse des déplacements des objets mobiles : définition de comportements types Thomas Devogele Université François Rabelais (Tours) thomas.devogele@univ-tours.fr Les déplacements L analyse des déplacements

Plus en détail

Optimiser le référencement naturel de son site web

Optimiser le référencement naturel de son site web Rodez, le 15 avril 2011 Les moteurs de recherche Les moteurs utilisés dans le monde Les moteurs utilisés en Europe Où clique un internaute? Référencement «payant» 35-40% des clics sur Google Référencement

Plus en détail

Analyse et modélisation de visages

Analyse et modélisation de visages Analyse et modélisation de visages Pascal Bourdon Laboratoire XLIM-SIC (UMR CNRS 7252) / Université de Poitiers pascal.bourdon@univ-poitiers.fr Analyse et modélisation de visages Plan Introduction Outils

Plus en détail

Recherche d images similaires à partir de descripteurs couleurs

Recherche d images similaires à partir de descripteurs couleurs Descripteurs couleurs Recherche d images similaires à partir de descripteurs couleurs Romain Bachy supervisé par Emi Aldea Romain Bachy Master 2 IMA - UPMC 20 janvier 2010 Romain Bachy Master 2 IMA - UPMC

Plus en détail

Utiliser les outils du. Web 2.0. Dans sa pratique d enseignant et de formateur

Utiliser les outils du. Web 2.0. Dans sa pratique d enseignant et de formateur Utiliser les outils du Web 2.0 Dans sa pratique d enseignant et de formateur Vincent Pereira Formateur Consultant Communautés numériques Blogueur http://www.formateurconsultant.com/ Non Théo, il n y a

Plus en détail

UNIVERSITE DE RENNES 1 Année universitaire 2013-2014 Master SISEA : programme détaillé du parcours Image

UNIVERSITE DE RENNES 1 Année universitaire 2013-2014 Master SISEA : programme détaillé du parcours Image UNIVERSITE DE RENNES 1 Année universitaire 2013-2014 Master SISEA : programme détaillé du parcours Image Responsable de la mention ou du parcours : Mireille Garreau, Co-responsable TB : Valérie Burdin

Plus en détail

Panorama des outils de veille. Myriel Brouland I-Expo 17 Juin 2009

Panorama des outils de veille. Myriel Brouland I-Expo 17 Juin 2009 Panorama des outils de veille Myriel Brouland I-Expo 17 Juin 2009 1 La veille s est affirmée en tant que discipline : Elle s inscrit dans un démarche d optimisation du management de l information au sein

Plus en détail

Clermont Ferrand - Janvier 2003

Clermont Ferrand - Janvier 2003 DISDAMIN: Algorithmes de Data Mining Distribués Valerie FIOLET (1,2) - Bernard TOURSEL (1) 1 Equipe PALOMA - LIFL - USTL - LILLE (FRANCE) 2 Service Informatique - UMH - MONS (BELGIUM) Clermont Ferrand

Plus en détail

ACCÈS SÉMANTIQUE AUX BASES DE DONNÉES DOCUMENTAIRES

ACCÈS 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 détail

Programme détaillé 2014-2015. Filière d Ingénieur INFORMATIQUE

Programme détaillé 2014-2015. Filière d Ingénieur INFORMATIQUE Libellé long UE Crédits ECTS Semestre 5 INFO51 13 Initiation à l'informatique Introduction à la Programmation Logiciel de Base Mathématiques Algèbre Logique INFO52 12 Analyse Applications de l'algèbre

Plus en détail

Comment exploiter les commentaires d internautes pour la recommandation automatique

Comment exploiter les commentaires d internautes pour la recommandation automatique Comment exploiter les commentaires d internautes pour la recommandation automatique Damien Poirier Paris, le 11 juin 2012 1/32 Contexte et problématique 2/32 Contexte et problématique 3/32 Contexte Mise

Plus en détail

Toute la puissance de DoYouBuzz pour votre école. Présentation de DoYouBuzz Campus

Toute la puissance de DoYouBuzz pour votre école. Présentation de DoYouBuzz Campus Toute la puissance de pour votre école Présentation de Campus Présentation du service de CVthèque est un service web simple et intuitif qui permet à chaque étudiant de se créer son propre CV web. Notre

Plus en détail

Fouille de données spatiales Mr Dib Abderrahim & Dr Mohamed-Khireddine KHOLLADI

Fouille de données spatiales Mr Dib Abderrahim & Dr Mohamed-Khireddine KHOLLADI Fouille de données spatiales Mr Dib Abderrahim & Dr Mohamed-Khireddine KHOLLADI Introduction On assiste de plus en plus à la création d entrepôts de données. Les raisons sont multiples : 1. le tout numérique

Plus en détail

Possibilités et limites du traitement d mage

Possibilités et limites du traitement d mage Possibilités et limites du traitement d mage Jean Serra Journée industrielle de l Ecole des Mines de Douai 9 décembre 1999 Historique du traitement d mage Trois périodes Années 70 : - en Europe, Imagerie

Plus en détail

Catalogue des PFE. Comment postuler

Catalogue des PFE. Comment postuler Catalogue des PFE 2012 2013 IP-TECH propose plusieurs sujets pour des stages de PFE. Ce fascicule est destiné aux étudiants et aux professeurs de l enseignement supérieur. Il commence par un aperçu rapide

Plus en détail

Indexation d'images. Cours Master IA&D. Techniques du traitement d'images. Antoine Manzanera - ENSTA /Unité d'électronique et d'informatique

Indexation d'images. Cours Master IA&D. Techniques du traitement d'images. Antoine Manzanera - ENSTA /Unité d'électronique et d'informatique Indexation d'images Cours Master IA&D Techniques du traitement d'images Antoine Manzanera - ENSTA /Unité d'électronique et d'informatique Indexation - Introduction Le sujet de ce cours est la recherche

Plus en détail

Vers la conception interactive d une hiérarchie sémantique de descripteurs d images

Vers la conception interactive d une hiérarchie sémantique de descripteurs d images PROPOSITION DE STAGE Année 2016 Laboratoire L3i Sujet de stage : Vers la conception interactive d une hiérarchie sémantique de descripteurs d images Résumé du travail proposé : Ce travail s intéresse à

Plus en détail

Mesure agnostique de la qualité des images.

Mesure agnostique de la qualité des images. Mesure agnostique de la qualité des images. Application en biométrie Christophe Charrier Université de Caen Basse-Normandie GREYC, UMR CNRS 6072 Caen, France 8 avril, 2013 C. Charrier NR-IQA 1 / 34 Sommaire

Plus en détail

Formation GISEH Module rédacteur 7, 9 juin 5, 12 juillet 2011

Formation GISEH Module rédacteur 7, 9 juin 5, 12 juillet 2011 Formation GISEH Module rédacteur 7, 9 juin 5, 12 juillet 2011 Formation GISEH rédacteur Jean-François NEDELEC 06/06/2011 Logiciels gestionnaires de contenu (de site web) GISEH : (version 2.4) Gestion de

Plus en détail

Plan. L image en informatique Bitmap vs vectoriel Les principaux modèles d images bitmap. Formats de stockage. Primitives graphiques.

Plan. L image en informatique Bitmap vs vectoriel Les principaux modèles d images bitmap. Formats de stockage. Primitives graphiques. Plan 2 Images L image en informatique Bitmap vs vectoriel Les principaux modèles d images bitmap Primitives graphiques Nicolas SZAFRAN (UJF - UFR IM 2 AG) L3 Info - Image 2014/2015 53 / 86 Fichiers bruts

Plus en détail

Apprentissage Automatique

Apprentissage Automatique Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs

Plus en détail

À propos du Programme d évaluation international des compétences des adultes, le PEICA

À propos du Programme d évaluation international des compétences des adultes, le PEICA Automne 2013 À propos du Programme d évaluation international des compétences des adultes, le PEICA Par Giselle Boisvert, conseillère pédagogique, Commission scolaire de Montréal Les données de la troisième

Plus en détail

Formation Actuaire Data-Scientist PROGRAMME

Formation Actuaire Data-Scientist PROGRAMME Formation Actuaire Data-Scientist PROGRAMME 15 Septembre 2014 Arthur Charpentier, Romuald Élie & Jérémie Jakubowicz 15914 Programme Séance inaugurale : révolu-on numérique besoins des entreprises cadre

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

Guide et conseils généraux pour optimiser le référencement d un site internet

Guide et conseils généraux pour optimiser le référencement d un site internet Guide et conseils généraux pour optimiser le référencement d un site internet Novembre 2010 1 Introduction Le référencement de votre site internet vous permet d être présent dans les différents moteurs

Plus en détail

6 ème Conférence Formation Alger, 1-2 décembre 2009 Technologies de formation et d apprentissage État de l art et stratégies d implantation Dr Gilbert Paquette Chaire de recherche CICE Centre de recherche

Plus en détail

Digital Workplace et Gestion des connaissances Concepts et mise en oeuvre

Digital Workplace et Gestion des connaissances Concepts et mise en oeuvre Avant-propos 1. Objectif du livre 17 2. Illustrations des exemples de ce livre 18 2.1 Office 365 comme plateforme technologique pour une digital workplace 18 2.2 SharePoint et Yammer à l honneur 18 3.

Plus en détail

La version 12 de PaperPort s est enrichie de nombreuses fonctions qui vont vous aider à gérer encore plus efficacement l ensemble de vos documents.

La version 12 de PaperPort s est enrichie de nombreuses fonctions qui vont vous aider à gérer encore plus efficacement l ensemble de vos documents. Bienvenue! Nuance PaperPort est un logiciel de gestion documentaire qui vous permet de numériser, d organiser, de consulter, de manipuler et de partager vos documents papier et vos fichiers numériques

Plus en détail

Introduction. Informatique décisionnelle et data mining. Data mining (fouille de données) Cours/TP partagés. Information du cours

Introduction. Informatique décisionnelle et data mining. Data mining (fouille de données) Cours/TP partagés. Information du cours Information du cours Informatique décisionnelle et data mining www.lia.univ-avignon.fr/chercheurs/torres/cours/dm Juan-Manuel Torres juan-manuel.torres@univ-avignon.fr LIA/Université d Avignon Cours/TP

Plus en détail

Historique. Streaming et VOD. Client / Serveur ou P2P? Optimisations. Conclusion. TONGUET / GONZALEZ 20/11/2009 La Vidéo à la demande

Historique. Streaming et VOD. Client / Serveur ou P2P? Optimisations. Conclusion. TONGUET / GONZALEZ 20/11/2009 La Vidéo à la demande Historique Streaming et VOD Client / Serveur ou P2P? Optimisations Conclusion En septembre 1994 : Cambridge Interactive TV trial Service VOD sur le Cambridge Cable Network Accessible pour 250 foyers et

Plus en détail

Campagnes adwords web

Campagnes adwords web NOTRE ÉQUIPE NOS SERVICES WEB Développement Campagnes adwords web L évolutivité de nos sites n a de limite que celle que vous vous imposez! Nous réalisons pour vous vos campagnes de communication Notre

Plus en détail

CEA/SACLAY DEPARTEMENT DES TECHNOLOGIES DES SYSTEMES INTELLIGENTS SERVICE ARCHITECTURES ET CONCEPTION

CEA/SACLAY DEPARTEMENT DES TECHNOLOGIES DES SYSTEMES INTELLIGENTS SERVICE ARCHITECTURES ET CONCEPTION Laboratoire Systèmes de Vision Embarqués CEA/SACLAY DEPARTEMENT DES TECHNOLOGIES DES SYSTEMES INTELLIGENTS SERVICE ARCHITECTURES ET CONCEPTION RT LIST DTSI - LSVE CEA/SACLAY 91191 GIF-SUR-YVETTE CEDEX

Plus en détail

Analyse d images introduction

Analyse d images introduction L3, option Image Analyse d images introduction http ://perception.inrialpes.fr/people/boyer/teaching/l3/ Elise Arnaud - Edmond Boyer Université Joseph Fourier / INRIA Rhône-Alpes elise.arnaud@inrialpes.fr

Plus en détail

Analyse des réseaux sociaux et apprentissage

Analyse des réseaux sociaux et apprentissage Analyse des réseaux sociaux et apprentissage Emmanuel Viennet Laboratoire de Traitement et Transport de l Information Université Paris 13 - Sorbonne Paris Cité Réseaux sociaux? Réseaux sociaux? Analyse

Plus en détail