Systèmes de Recommandation. David Loup

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Systèmes de Recommandation. David Loup"

Transcription

1 Systèmes de Recommandation David Loup

2 Systèmes de recommandation Plan Définition Motivations Domaine : Films Techniques / Approches Exemples Problèmes Evolution future 2/33

3 Définition Une plateforme pour une interaction sociale Une manière de proposer à l utilisateur des produits qui sont susceptibles de l intéresser Recommandation, prédiction, opinion 3/33

4 Motivations Quantité d information disponible de plus en plus grande Reproduire un mécanisme de la vie de tous les jours Découvrir de nouveaux produits Pour un site marchand : améliorer les ventes 4/33

5 Films Popularité Diversité Fonctionne déjà par recommandation 5/33

6 Comment faire? Les anciens utilisateurs peuvent remplir des questionnaires qui vont servir aux nouveaux utilisateurs ou rédiger des commentaires Comparaison simple (pour les genres de films) Algorithmes de recherche 6/33

7 Approches Content-Based Filtering (Filtrage par contenu) Collaborative Filtering (Filtrage collaboratif) Knowledge-based systems 7/33

8 Content-Based Filtering Basé sur les objets déjà évalués/sélectionnés : Item Item Basé sur le profil de l utilisateur : User Item Basé sur l utilisation d un modèle 8/33

9 Le Profil de l utilisateur Critères importants Prise en compte Comparaisons booléennes Génération d un modèle 9/33

10 Le Profil de l utilisateur - Exemple Nom d utilisateur : Bob Homme, 45 ans. Fréquente les salles de cinéma depuis 30 ans. Genre préféré : cinéma fantastique. Période préférée : années Réalisateurs favoris : Dario Argento, Terence Fisher 10/33

11 Content-Based Filtering - Inconvénients Nécessite un contenu descriptif, difficile pour les films Manque de sérendipité Passe facilement à côté de recommandations intéressantes 11/33

12 Content-Based Filtering - Evolutions Utilisation du Web sémantique Description des données : XML, RDF 12/33

13 Collaborative Filtering Se base sur les utilisateurs jugés «similaires» Détermination des groupes d utilisateurs Méthode agrégative Méthode centralisée [Veletsianos, 2002] 13/33

14 Collaborative Filtering (suite) Indépendant du contenu, facteur humain (esthétique) Toute forme de contenu peut être concernée du moment qu un humain peut l apprécier Matrice de notation 14/33

15 Collaborative Filtering (suite) Matrice de notation Utilisateurs r 1, r i,1... r m,1 Films r 1, j r i, j r m, j r 1, n r i, n r m, n [Vozalis E., Margaritis K.G., 2003] 15/33

16 Collaborative Filtering (suite) Algorithmes «Memory-Based» Etablir une prédiction de vote pour l utilisateur Utiliser la moyenne des votes pour un utilisateur Définir la similarité entre utilisateurs : corrélation de Pearson, similarité de vecteurs [Breese, J.S., et al, 1998] 16/33

17 Collaborative Filtering (suite) Problèmes liés au remplissage de la matrice Problème du premier vote Votes épars Nécessite beaucoup de votes pour pertinence 17/33

18 Collaborative Filtering (suite) Algorithmes «Model-Based» Compiler le profil de l utilisateur Utilisation des informations fournies implicitement ou explicitement, et des votes précédents Application du modèle pour prédire l opinion de l utilisateur [Sarwar, B., et al, 2000] 18/33

19 Knowledge-Based Systems Utiliser la connaissance qu on a de l utilisateur et des produits pour faire correspondre les deux Modèles implicites ou explicites Arbres de décision, CBR (Case-Based Reasoning) [Burke, B., 2001] 19/33

20 Knowledge-Based Systems (suite) Problèmes : Nécessite une ingénierie des connaissances importante Savoir quelles caractéristiques sont importantes Les caractéristiques doivent être accessibles Pour les films : toujours le problème du contenu 20/33

21 Systèmes Hybrides La nature du contenu des films pousse vers le filtrage collaboratif Mais qui a ses défauts L améliorer en utilisant une des deux autres approches 21/33

22 Systèmes Hybrides (suite) En utilisant deux composants indépendants Graphes conceptuels ([Paulson, P., et al, 2003] 22/33

23 Recommandation de films IMDB Movies2Go Recommendz MovieLens 23/33

24 IMDB

25 IMDB (Suite)

26 Movies2Go

27 Recommendz

28 MovieLens

29 Problèmes Coûteux en ressources, maintenance difficile La vie privée Le feedback, la discipline des utilisateurs L influence sur le comportement des utilisateurs 29/33

30 Evolutions Futures Méta systèmes de recommandation Privilégier le Feedback Créer des communautés Amélioration de l interface : justification des recommandations, explications graphiques 30/33

31 Systèmes de recommandation Conclusion Un système doit utiliser toutes les informations possibles pour effectuer une recommandation en temps réel Perspectives plus larges concernant la prédiction du comportement 31/33

32 Références Veletsianos, G. "Recommender Systems and Personalization Techniques" In CS 50 : Internet Programming Paulson, P.; et Tzanavari, A. "Combining Collaborative and Content-Based Filtering Using Conceptual Graphs" Book chapter in: J.Lawry, J.G.Shanahan and A.Ralescu (eds.). pp Burke, R. "Knowledge-based recommender systems", In Encyclopedia of Library and Information Science, /33

33 Références (suite) Sarwar, B.M.; Karypis, G.; Konstan, J.A.; et Riedl, J.T. Analysis of recommendation algorithms for ecommerce, In Electronic Commerce, Breese, J.S.; Heckerman, D.; et Kadie, C., "Empirical Analysis of Predictive Algorithms for Collaborative Filtering" In Proceedings of the Fourteenth Conference on Uncertainty in Artificial Intelligence, Madison WI, July 1998 Vozalis E., et Margaritis K.G., "Analysis of Recommender Systems Algorithms" in HERCMA-2003, September 2003, Athens, Greece. 33/33

Recommandation personnalisée des ressources dans une communauté de pratique de e-learning

Recommandation personnalisée des ressources dans une communauté de pratique de e-learning Recommandation personnalisée des ressources dans une communauté de pratique de e-learning Une approche à base de filtrage hybride Lamia Berkani* Omar Nouali** Azeddine Chikh*** * Département Informatique,

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

INF6304 Interfaces Intelligentes

INF6304 Interfaces Intelligentes INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie

Plus en détail

Cours de Data Mining Engin de Recommendation

Cours de Data Mining Engin de Recommendation Cours de Data Mining Engin de Recommendation Andreea Dragut Univ. Aix-Marseille, IUT d Aix-en-Provence Andreea Dragut Cours de Data Mining Engin de Recommendation 1 / 12 Plan du cours Présentation Paradigmes

Plus en détail

Mécanisme de prédiction pour une plateforme de filtrage collaboratif*

Mécanisme de prédiction pour une plateforme de filtrage collaboratif* Mécanisme de prédiction pour une plateforme de filtrage collaboratif* Omar Nouali, Sabah Kirat, Hadar Meziani Division des théories d ingénierie et des systèmes d information, CERIST Rue des 3 frères Aïssou

Plus en détail

Table des matières. Avant-propos. Les moteurs (et systèmes) de recommandation... 17 Imad SALEH

Table des matières. Avant-propos. Les moteurs (et systèmes) de recommandation... 17 Imad SALEH Table des matières Avant-propos. Les moteurs (et systèmes) de recommandation... 17 Imad SALEH Chapitre 1. Introduction générale aux systèmes de recommandation... 23 Ghislaine CHARTRON et Gérald KEMBELLEC

Plus en détail

Du e-commerce au m-commerce : vers une recommandation incrémentale

Du e-commerce au m-commerce : vers une recommandation incrémentale Du e-commerce au m-commerce : vers une recommandation incrémentale Armelle Brun et Anne Boyer LORIA/Nancy Université - 615, rue du jardin botanique - 54506 Vandoeuvre les Nancy {Armelle.Brun, Anne.Boyer}@loria.fr

Plus en détail

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

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

Plus en détail

Vers l utilisation de relations de préférence pour le filtrage collaboratif

Vers l utilisation de relations de préférence pour le filtrage collaboratif Vers l utilisation de relations de préférence pour le filtrage collaboratif Armelle Brun 1 Ahmad Hamad 1 Olivier Buffet 2 Anne Boyer 1 1 LORIA / Nancy-Université 2 LORIA / INRIA Campus Scientifique BP

Plus en détail

Recommandation dans les réseaux sociaux professionnels

Recommandation dans les réseaux sociaux professionnels Recommandation dans les réseaux sociaux professionnels Application sur un réseau bibliographique 6 mai 2010 Objectif et Motivation Techniques utilisées Algorithme exhaustive de recherche de toutes les

Plus en détail

Web Data Mining Web Usage Mining

Web Data Mining Web Usage Mining Web Data Mining p. 1/1 Web Data Mining Web Usage Mining Maria Malek Options GL, ISICO & IdSI EISTI Web Data Mining p. 2/1 Fouille des Données de la Toile?!! Web Structure Mining Découverte de la connaissance

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

L usage des concepts du web sémantique dans le filtrage d information collaboratif

L usage des concepts du web sémantique dans le filtrage d information collaboratif Ministère de l enseignement Supérieur et de la recherche scientifique Institut National d Informatique Alger Mémoire présenté pour l obtention du diplôme de Magistère Option : Ingénierie des Systèmes d

Plus en détail

Conception multi-agent d un système d aide à la décision collective

Conception multi-agent d un système d aide à la décision collective Conception multi-agent d un système d aide à la décision collective Justification automatique pour la confrontation des opinions Maxime Morge Philippe Beaune Équipe SMA / Centre SIMMO École Nationale Supérieure

Plus en détail

TUTORIEL Pearltrees www.cellie.fr 26/02/2015

TUTORIEL Pearltrees www.cellie.fr 26/02/2015 TUTORIEL Pearltrees www.cellie.fr 26/02/2015 Introduction www.pearltrees.com est outil en ligne accessible gratuitement par une simple inscription et utilisable depuis ordinateurs et terminaux mobiles.

Plus en détail

COCoFil2 : Un nouveau système de filtrage collaboratif basé sur le modèle des espaces de communautés

COCoFil2 : Un nouveau système de filtrage collaboratif basé sur le modèle des espaces de communautés UNIVERSITÉ JOSEPH FOURIER GRENOBLE I N 0 attribué par la bibliothèque / / / / / / / / / / / THÈSE pour obtenir le grade de DOCTEUR DE L UNIVERSITÉ JOSEPH FOURIER GRENOBLE I Discipline : Informatique présentée

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

PROPOSITION DU COMITÉ DE SÉLECTION ET D ÉVALUATION CONCERNANT LA RÉVISION DU SALAIRE DU DIRECTEUR GÉNÉRAL DU FEM

PROPOSITION DU COMITÉ DE SÉLECTION ET D ÉVALUATION CONCERNANT LA RÉVISION DU SALAIRE DU DIRECTEUR GÉNÉRAL DU FEM Réunion du Conseil du FEM 29 juin 2 juillet 2010 Washington GEF/C.38/11 22 juin 2010 Point 19 de l ordre du jour PROPOSITION DU COMITÉ DE SÉLECTION ET D ÉVALUATION CONCERNANT LA RÉVISION DU SALAIRE DU

Plus en détail

TAUX DE TRANSFORMATION

TAUX DE TRANSFORMATION Table des matières 1 Le choix des produits...2 2 La politique tarifaire...4 Introduction Afin de convertir efficacement vos visiteurs en acheteurs, il faut veiller à ne jamais les décevoir. La cause première

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

Réseau Sociaux Plan. 1. Historique. 2. Définition et fonctionnalités. 3. Usages actuels. 4. Tendances. 5. Problématiques de recherche

Réseau Sociaux Plan. 1. Historique. 2. Définition et fonctionnalités. 3. Usages actuels. 4. Tendances. 5. Problématiques de recherche Réseaux Sociaux Révolution des usages sur Internet, et nouvelles problématiques de recherche Pierre Maret, Laboratoire Hubert Curien, St-Etienne Adrien Joly, Alcatel-Lucent Bell Labs France, Villarceaux

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

De la donnée à la décision. Sofian MAABOUT LaBRI. Université Bordeaux 1

De la donnée à la décision. Sofian MAABOUT LaBRI. Université Bordeaux 1 De la donnée à la décision Sofian MAABOUT LaBRI. Université Bordeaux 1 1 Décider c est choisir, parmi plusieurs actes possibles, celui qui apparaît comme le plus pertinent pour atteindre un résultat envisagé,

Plus en détail

Modèle de formation multiple de communautés dans un système de recommandation hybride

Modèle de formation multiple de communautés dans un système de recommandation hybride Paper ID : 169 1 Modèle de formation multiple de communautés dans un système de recommandation hybride An-Te Nguyen, Nathalie Denos, Catherine Berrut, Bich-Thuy Dong Thi Résumé Les systèmes de filtrage

Plus en détail

plate-forme PaaS (Audit)

plate-forme PaaS (Audit) Contrôle d accès dans une plate-forme PaaS (Audit) Ahmed BOUCHAMI, Olivier PERRIN, LORIA Introduction La sécurité d une plate-forme collaborative nécessite un module d authentification et un module de

Plus en détail

Outil d identification des risques psychosociaux au travail

Outil d identification des risques psychosociaux au travail Outil d identification des risques psychosociaux au travail Carole Chénard, MBA Agente de recherche Michel Vézina, MD, MPH, FRCP Conseiller en santé au travail Direction des risques biologiques et de la

Plus en détail

Intégration de la dimension sémantique dans les réseaux sociaux

Intégration de la dimension sémantique dans les réseaux sociaux Intégration de la dimension sémantique dans les réseaux sociaux Application : systèmes de recommandation Maria Malek LARIS-EISTI maria.malek@eisti.fr 1 Contexte : Recommandation dans les réseaux sociaux

Plus en détail

Mures : Un système de recommandation de musique

Mures : Un système de recommandation de musique Université de Montréal Mures : Un système de recommandation de musique par Octavian Rolland Arnautu Département d Informatique et de Recherche Opérationnelle Faculté des arts et des sciences Mémoire présenté

Plus en détail

Utilité et perception de la diversité dans les systèmes de recommandation

Utilité et perception de la diversité dans les systèmes de recommandation Utilité et perception de la diversité dans les systèmes de recommandation Sylvain Castagnos, Armelle Brun, and Anne Boyer Équipe KIWI - LORIA Campus Scientifique, B.P. 239 54506 Vandœuvre - France {Sylvain.Castagnos,

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

D art d art. Thèmes. Concept. Contenu. Le site de l émission. Objectifs. Art, cinéma, littérature, musique

D art d art. Thèmes. Concept. Contenu. Le site de l émission. Objectifs. Art, cinéma, littérature, musique D art d art Thèmes Art, cinéma, littérature, musique Concept «D art d art» est une émission qui fait découvrir ou redécouvrir une œuvre d art au téléspectateur. Cette émission présente l artiste et ses

Plus en détail

IFT3913 Qualité du logiciel et métriques. Chapitre 5 Mesure de la qualité du logiciel

IFT3913 Qualité du logiciel et métriques. Chapitre 5 Mesure de la qualité du logiciel IFT3913 Qualité du logiciel et métriques Chapitre 5 Mesure de la qualité du logiciel Plan du cours Introduction Théorie de la mesure Qualité du logiciel Mesure du produit logiciel Mesure de la qualité

Plus en détail

FGC: Aide pour le questionnaire de projet de développement

FGC: Aide pour le questionnaire de projet de développement FGC: Aide pour le questionnaire de projet de développement Les zones grisées correspondent aux endroits où vous compléterez le questionnaire à partir du modèle fgc_questionnaire_projet_sud_2013-09.docx

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

Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing

Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing Gilbert Saporta Chaire de Statistique Appliquée, CNAM ActuariaCnam, 31 mai 2012 1 L approche statistique

Plus en détail

Transformation IT de l entreprise ANALYTIQUE: L ÈRE WATSON

Transformation IT de l entreprise ANALYTIQUE: L ÈRE WATSON Transformation IT de l entreprise ANALYTIQUE: L ÈRE WATSON L analytique joue un rôle désormais primordial dans la réussite d une entreprise. Les pouvoirs qu elle délivre sont incontestables, cependant

Plus en détail

EVALUATION 360 MODE D EMPLOI

EVALUATION 360 MODE D EMPLOI EVALUATION 60 MODE D EMPLOI NARRATIF EVALUATION 60 Définition L entretien annuel d appréciation est la méthode la plus répandue actuellement. Or, une autre pratique se développe, il s agit de l évaluation

Plus en détail

Cookies de session ils vous permettent de sauvegarder vos préférences d utilisation et optimiser l expérience de navigation de l Utilisateur ;

Cookies de session ils vous permettent de sauvegarder vos préférences d utilisation et optimiser l expérience de navigation de l Utilisateur ; Ce site utilise des Cookies, émis également par des tiers, pour des raisons de fonctionnalité, pratiques et statistiques indiquées dans notre politique en matière de Cookies. Politique en matière de Cookies

Plus en détail

Référentiel IFIC/AUF 1/7

Référentiel IFIC/AUF 1/7 Annexe 1 : Référentiel des compétences L objet de ce référentiel est de couvrir la majeure partie des compétences requises lors de l organisation d une formation massive, c est-à-dire s adressant à des

Plus en détail

Accès personnalisé à l information

Accès personnalisé à l information Multimedia IR Modelling Group Accès personnalisé à l information (partie 1 : Introduction) Nathalie Denos Laboratoire d Informatique de Grenoble Equipe MRIM Projet Web Intelligence Réunion «Web et contexte»

Plus en détail

Savoir utiliser le moteur de recherche fédérée

Savoir utiliser le moteur de recherche fédérée Savoir utiliser le moteur de recherche fédérée Comment fonctionne le moteur de recherche fédérée? Le moteur de recherche fédérée permet d effectuer en une seule fois une recherche sur plusieurs sources

Plus en détail

Experience N 52. Les expériences d ERNI dans l univers du management, des processus et des technologies. Mars 2012

Experience N 52. Les expériences d ERNI dans l univers du management, des processus et des technologies. Mars 2012 Les expériences d ERNI dans l univers du management, des processus et des technologies Experience N 52 Mars 2012 MIGRATIONS Garder la maîtrise lors de migrations GARdER la maîtrise LORS de migrations Lors

Plus en détail

INF6304 Interfaces Intelligentes

INF6304 Interfaces Intelligentes INF6304 Interfaces Intelligentes Systèmes de recommandations 3,Factorisation et réduction de dimensions 1/23 INF6304 Interfaces Intelligentes Systèmes de recommandations 3, Factorisation et réduction de

Plus en détail

Cartes de communautés pour l adaptation interactive de profils dans un système de filtrage d information

Cartes de communautés pour l adaptation interactive de profils dans un système de filtrage d information Cartes de communautés pour l adaptation interactive de profils dans un système de filtrage d information An-Te Nguyen* Nathalie Denos* Catherine Berrut* * Laboratoire CLIPS-IMAG 385 rue de la Bibliothèque,

Plus en détail

Tour d horizon de notre plateforme et de ses fonctions premières pour optimiser votre utilisation sur Scoop.it

Tour d horizon de notre plateforme et de ses fonctions premières pour optimiser votre utilisation sur Scoop.it Guide d utilisation Tour d horizon de notre plateforme et de ses fonctions premières pour optimiser votre utilisation sur Scoop.it Scoop.it : comment ça marche? 1 Sélectionner Scoop.it : comment ça marche?

Plus en détail

Le ranking de Augure Influencers La méthodologie AIR en détails

Le ranking de Augure Influencers La méthodologie AIR en détails Le ranking de Augure Influencers La méthodologie AIR en détails V1.0 Octobre 2014 Oualid Abderrazek Product Marketing Sommaire 1. Contexte...3 2. L algorithme...3 a. Exposition...4 b. Echo...4 c. Niveau

Plus en détail

Livre Blanc. Construire un système d information collaboratif de pilotage de l action publique. Mai 2010

Livre Blanc. Construire un système d information collaboratif de pilotage de l action publique. Mai 2010 Livre Blanc Construire un système d information collaboratif de pilotage de l action publique Mai 2010 Un livre blanc édité par : NQI - Network Quality Intelligence Tél. : +33 4 92 96 24 90 E-mail : info@nqicorp.com

Plus en détail

Profil Odyssée 360 MCM RAPPORT. Mme A. Stéphanie. 02 Mai 2011. Profil Odyssée 360 MCM - RAPPORT Mme A. Stéphanie - 02/05/2011. www.ecpa.fr P.

Profil Odyssée 360 MCM RAPPORT. Mme A. Stéphanie. 02 Mai 2011. Profil Odyssée 360 MCM - RAPPORT Mme A. Stéphanie - 02/05/2011. www.ecpa.fr P. Profil Odyssée 360 MCM RAPPORT Mme A. Stéphanie 02 Mai 2011 Ce rapport est confidentiel et ne doit pas être remis à des personnes non autorisées. www.ecpa.fr P.1 Sommaire Liste des personnes ayant contribué

Plus en détail

Construire son plan marketing. E-Commerce (ou marketing internet) PROGRAMME PROGRAMME. - Les étapes clés de son élaboration

Construire son plan marketing. E-Commerce (ou marketing internet) PROGRAMME PROGRAMME. - Les étapes clés de son élaboration Construire son plan marketing Bâtir son plan marketing en connaissant : - Les étapes clés de son élaboration - Les outils d aide à sa construction - Vous serez capable de définir la strategie 1- Présentation

Plus en détail

STAR-CITY. Analyse et prédiction du trafic routier à l aide des technologies du web sémantique

STAR-CITY. Analyse et prédiction du trafic routier à l aide des technologies du web sémantique 1 STAR-CITY Analyse et prédiction du trafic routier à l aide des technologies du web sémantique IFT6282 Paul Molins ARTICLE Auteurs : Freddy Lécué, Simone Tallevi-Diotallevi, Jer Hayes, Robert Tucker,Veli

Plus en détail

ReNo, le référentiel r rentiel de normalisation Web du Gouvernement luxembourgeois. Gautier Barrère

ReNo, le référentiel r rentiel de normalisation Web du Gouvernement luxembourgeois. Gautier Barrère ReNo, le référentiel r rentiel de normalisation Web du Gouvernement luxembourgeois (adopté le 25 octobre 2007) Gautier Barrère re Paris Web 2008 1 Qui suis-je? Gautier Barrère Ergonome «Human factor» -

Plus en détail

Sommaire. Liste des Abréviations...13 Avant-Propos...15

Sommaire. Liste des Abréviations...13 Avant-Propos...15 Sommaire Liste des Abréviations...13 Avant-Propos...15 Partie 1 Gestion de la Qualité des Données (GQD) de votre clientèle...17 1.1. Introduction...19 1.2. Utilité de cette gestion...21 1.3. Mise sur pied

Plus en détail

Process Communication. pour être en phase

Process Communication. pour être en phase Process Communication pour être en phase Nouveaux enjeux, nouveaux talents TRAVAILLER ENSEMBLE Les progrès technologiques de ces dernières décennies ont changé le visage des organisations en offrant un

Plus en détail

Filtrage collaboratif

Filtrage collaboratif Chapitre 8 Filtrage collaboratif 8.1. Introduction 8.1.1. Motivation et application des systèmes de filtrage 8.1.1.1. Principe général L accès à l information s effectue à l heure actuelle selon différentes

Plus en détail

INTRODUCTION. Master Management des Ressources Humaines de l IAE de Toulouse Page 1

INTRODUCTION. Master Management des Ressources Humaines de l IAE de Toulouse Page 1 LES FICHES OUTILS RESSOURCES HUMAINES L évaluation 360 Feed-back INTRODUCTION Aujourd hui les ressources humaines sont considérées par les entreprises comme un capital. La notion de «capital humain» illustre

Plus en détail

Architecture de déploiement d un système réparti. Kawtharany Mohamed Laboratoire d'informatique et Télécommunication ENST Bretagne

Architecture de déploiement d un système réparti. Kawtharany Mohamed Laboratoire d'informatique et Télécommunication ENST Bretagne Architecture de déploiement d un système réparti Kawtharany Mohamed Laboratoire d'informatique et Télécommunication ENST Bretagne I. Introduction Contexte du travail. Étude du déploiement. Modélisation

Plus en détail

ATELIER DE VALIDATION DES SCÉNARIOS

ATELIER DE VALIDATION DES SCÉNARIOS VERSION JUIN 2014 COMPRENDRE SON QUARTIER et EXPLORER DES SOLUTIONS ATELIER DE VALIDATION DES SCÉNARIOS Toute forme de reproduction et de diffusion des outils du projet QVAS est encouragée à condition

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

Environnement de conception de Learning Games

Environnement de conception de Learning Games Environnement de conception de Learning Games Journée de travail sur la conception des jeux sérieux, 5 octobre 2011, Paris UMR 5205 Introduction Journée de travail sur la conception des jeux sérieux, 5

Plus en détail

POLITIQUE SUR LE PROCESSUS OFFICIEL D ADOPTION DE NORMES DE PRATIQUE

POLITIQUE SUR LE PROCESSUS OFFICIEL D ADOPTION DE NORMES DE PRATIQUE 15 MAI 2012 Document 212021 POLITIQUE SUR LE PROCESSUS OFFICIEL D ADOPTION DE NORMES DE PRATIQUE A. INTRODUCTION Le présent document énonce le processus et les critères définis par le Conseil des normes

Plus en détail

APP1 : Enquêtes sur les éclosions et prise en charge

APP1 : Enquêtes sur les éclosions et prise en charge APP1 : Enquêtes sur les éclosions et prise en charge But L objectif du module est de présenter les principes fondamentaux et les étapes des enquêtes sur et de la gestion des éclosions. Le matériel d apprentissage

Plus en détail

Évaluation des directives par institution et sujet pour les programmes d enseignement supérieur des arts

Évaluation des directives par institution et sujet pour les programmes d enseignement supérieur des arts Évaluation des directives par institution et sujet pour les programmes d enseignement supérieur des arts comme développés par inter}artes et adoptés par artesneteurope Institution et sujets à évaluation

Plus en détail

THÉORIE ET PRATIQUE DE L AUDIT INTERNE

THÉORIE ET PRATIQUE DE L AUDIT INTERNE Jacques RENARD THÉORIE ET PRATIQUE DE L AUDIT INTERNE Préface de Louis GALLOIS Président de la SNCF Prix IFACI 1995 du meilleur ouvrage sur l audit interne Cinquième édition Éditions d Organisation, 1994,

Plus en détail

IAFACTORY. sommaire MATERIALIZE YOUR NEXT SUCCESS. étude marketing, expérience utilisateur, ergonomie audit statistique des performances.

IAFACTORY. sommaire MATERIALIZE YOUR NEXT SUCCESS. étude marketing, expérience utilisateur, ergonomie audit statistique des performances. sommaire principes p objectifs méthode prestation, livrable, tarif aperçu visuel à propos d MATERIALIZE YOUR NEXT SUCCESS conseil en architecture de l information www.iafactory.fr contact@iafactory.fr

Plus en détail

Restaurer la confiance? Etudes Empiriques Conclusion et ouverture

Restaurer la confiance? Etudes Empiriques Conclusion et ouverture Restaurer la confiance des investisseurs : une exploration expérimentale systématique de l effet des politiques d investissement socialement responsable. Marco Heimann Sous la direction de Jean-François

Plus en détail

Topologie du web - Valentin Bourgoin - http://www.valentinbourgoin.net. Méthodes agiles & SCRUM

Topologie du web - Valentin Bourgoin - http://www.valentinbourgoin.net. Méthodes agiles & SCRUM Méthodes agiles & SCRUM 1/ Pourquoi les méthodes agiles? Définition d une méthode agile. Fondamentaux. Quand les utiliser? 2/ SCRUM En quoi est-ce une méthode agile? Sprints et releases. Le Product Owner.

Plus en détail

MOOC : Enseigner et former avec le numérique en langues

MOOC : Enseigner et former avec le numérique en langues MOOC : Enseigner et former avec le numérique en langues Public cible Le MOOC «Enseigner et former avec le numérique en langues» présente des moyens existants pour intégrer le numérique dans l'enseignement

Plus en détail

COMMENT METTRE A JOUR SON SITE WEB?

COMMENT METTRE A JOUR SON SITE WEB? Un site web est d autant plus intéressant pour l internaute qu il est actualisé. A contrario, une information obsolète peut ternir l image de l entreprise (manque de dynamisme, manque de rigueur ). Différentes

Plus en détail

L Intelligence Compétitive 2.0 pour le pilotage des projets e-marketing

L Intelligence Compétitive 2.0 pour le pilotage des projets e-marketing L Intelligence Compétitive 2.0 pour le pilotage des projets e-marketing Soutenance de Thèse de Doctorat en Sciences de l Information et de la Communication Sébastien Bruyère 18 octobre 2010 Contexte général

Plus en détail

Exposé: Web sémantique. Web 2.0: impact Sur les IHM, Plasticité. Présenté par: BEN AMOR Akram

Exposé: Web sémantique. Web 2.0: impact Sur les IHM, Plasticité. Présenté par: BEN AMOR Akram Exposé: Web sémantique. Web 2.0: impact Sur les IHM, Plasticité Présenté par: BEN AMOR Akram Plan Web Sémantique Définition et objectif Historique Principe général Quels sont les finalités et les objectifs

Plus en détail

Réunion GDS 13 octobre 2006

Réunion GDS 13 octobre 2006 École normale supérieure de Lyon Réunion GDS 13 octobre 2006 Plan Introduction 1 Introduction 2 3 4 5 6 Les workflows Ensemble de tâches connectées La structure du workflow représente la relation temporelle

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

L application «Moodle» utilisée dans un cours théorique. Mon expérience avec Moodle 3. C est quoi Moodle. Page d accueil de vos cours 2011-06-01

L application «Moodle» utilisée dans un cours théorique. Mon expérience avec Moodle 3. C est quoi Moodle. Page d accueil de vos cours 2011-06-01 L application «Moodle» utilisée dans un cours théorique Lyne Maillet Conseillère pédagogique Responsable de programme 180-A0 1 ère et 2 e session formation continue Présentation C est quoi Moodle Mon expérience

Plus en détail

Explications sur l évolution de la maquette. Version : 1.0 Nombre de pages : 9. Projet cplm-admin

Explications sur l évolution de la maquette. Version : 1.0 Nombre de pages : 9. Projet cplm-admin Explications sur l évolution de la maquette Version : 1.0 Nombre de pages : 9 Rédacteur : David Elias 22/07/2008 STATUT DU DOCUMENT Statut Date Intervenant(s) / Fonction Provisoire 20/07/2008 David Elias

Plus en détail

Di Bétina Chahine Magali Evanno Maria Joao Monteiro

Di Bétina Chahine Magali Evanno Maria Joao Monteiro Project Di Bétina Chahine Magali Evanno Maria Joao Monteiro Plan Introduction I. Qu est ce qu un wiki? II. III. IV. Un wiki pour le Master MC3 Plan d action Mise en place du wiki V. Configuration du wiki,

Plus en détail

LE RAPPORT DE STAGE. Le contenu du rapport de stage

LE RAPPORT DE STAGE. Le contenu du rapport de stage LE RAPPORT DE STAGE Le rapport de stage a pour objet de présenter des faits et des réflexions sur un stage d apprentissage qui, généralement, s est déroulé dans le cadre d un programme de formation professionnelle.

Plus en détail

Papyres : Un système de gestion et de recommandation d articles de recherche

Papyres : Un système de gestion et de recommandation d articles de recherche Université de Montréal Papyres : Un système de gestion et de recommandation d articles de recherche par Naak Amine Département d Informatique et de Recherche Opérationnelle Faculté des arts et des sciences

Plus en détail

Il y a deux types de société: celles qui s adaptent vite et celles qui disparaissent...

Il y a deux types de société: celles qui s adaptent vite et celles qui disparaissent... Vous souhaitez vendre vos produits en ligne et vous positionner sur le marché de l ebusiness? Avant que vos clients puissent pointer, cliquer et acheter, il vous faut définir un plan... António Dória Arnaud

Plus en détail

L assistance micro-informatique

L assistance micro-informatique L assistance micro-informatique Un sacerdoce, des mécontentements, un malaise Le technicien pris dans l étau usager - administration Autant de réponses que de téléphones Autant de téléphones que de spécialistes

Plus en détail

Epreuve intégrée - consignes

Epreuve intégrée - consignes Epreuve intégrée - consignes Brevet d enseignement supérieur section WEB DESIGNER Calendrier Consignes de rédaction du rapport Consignes de présentation de l Epreuve intégrée Document «Choix du client»

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

On the Recommending of Citations for Research Papers

On the Recommending of Citations for Research Papers On the Recommending of Citations for Research Papers McNee et al. Émile Ducrocq Michel Desmarais École polytechnique de Montréal Problématique Quantité astronomique d articles de recherche sur Internet

Plus en détail

PHP 2 Pratique en santé publique fondée sur des données probantes

PHP 2 Pratique en santé publique fondée sur des données probantes PHP 2 Pratique en santé publique fondée sur des données probantes But Les professionnels de la santé publique suivent de plus en plus une approche fondée sur des données probantes lorsqu il s agit de planifier,

Plus en détail

De la modélisation linguistique aux applications logicielles: le rôle des Entités Nommées en Traitement Automatique des Langues

De la modélisation linguistique aux applications logicielles: le rôle des Entités Nommées en Traitement Automatique des Langues De la modélisation linguistique aux applications logicielles: le rôle des Entités Nommées en Traitement Automatique des Langues Maud Ehrmann Joint Research Centre Ispra, Italie. Guillaume Jacquet Xerox

Plus en détail

Noureddine Kerzazi noureddine.kerzazi@polymtl.ca

Noureddine Kerzazi noureddine.kerzazi@polymtl.ca Domaine de la modélisation des processus pour le génie logiciel. Noureddine Kerzazi noureddine.kerzazi@polymtl.ca DSL4SPM Domain-Specific-Language for Software Process Modeling Il s agit d un nouveau cadre

Plus en détail

Bilan d activités 2009-10 Enquête de satisfaction RemplaChamp

Bilan d activités 2009-10 Enquête de satisfaction RemplaChamp D après une initiative de Champ AGJIR Bilan d activités 2009-10 Enquête de satisfaction RemplaChamp www.remplachamp.fr Contacts : Sylvain DURIEZ, Président de Champ AGJIR, president@champagjir.fr Jacques

Plus en détail

Internet et les réseaux sociaux: pourquoi et comment? Enjeux et solutions pour l industrie du cinéma

Internet et les réseaux sociaux: pourquoi et comment? Enjeux et solutions pour l industrie du cinéma #foncin Internet et les réseaux sociaux: pourquoi et comment? Enjeux et solutions pour l industrie du cinéma Anna Jobin Sociostrategy 7 février 2012 Fonction: Cinéma Anna Jobin Industrie du cinéma Web

Plus en détail

Bibliothèque numérique de l enssib

Bibliothèque numérique de l enssib Bibliothèque numérique de l enssib 9es Rencontres FORMIST, La bibliothèque, lieu de formation?; enssib, 18 juin 2009 À quelles conditions les lieux virtuels peuvent-ils être des espaces de formation? DESCHRYVER

Plus en détail

Ce qu est le Data Mining

Ce qu est le Data Mining Data Mining 1 Ce qu est le Data Mining Extraction d informations intéressantes non triviales, implicites, préalablement inconnues et potentiellement utiles à partir de données. Autres appellations: ECD

Plus en détail

PRÉSENTATION. L évaluation sensorielle par les consommateurs, un outil stratégique en innovation. Sophie Vincent, 22 janvier 2015

PRÉSENTATION. L évaluation sensorielle par les consommateurs, un outil stratégique en innovation. Sophie Vincent, 22 janvier 2015 PRÉSENTATION L évaluation sensorielle par les consommateurs, un outil stratégique en innovation Sophie Vincent, Spécialiste en recherche consommateurs et évaluation sensorielle 22 janvier 2015 CINTECH

Plus en détail

Objectifs de la présentation

Objectifs de la présentation Gérer ses références bibliographiques avec Mendeley Pôle Formation IST Dominique Fournier, Inra, ERIST Montpellier Apérodoc IRD, 26 juin 2012 Objectifs de la présentation Découvrir les principales fonctionnalités

Plus en détail

12. Conception des applications

12. Conception des applications Conception objet en Java avec BlueJ une approche interactive 12. Conception des applications David J. Barnes, Michael Kölling version française: Patrice Moreaux Rédigé avec 1.0 Principaux concepts abordés

Plus en détail

Mouvement pour la 6 e République : Transparence financière et financement participatif Dossier de presse

Mouvement pour la 6 e République : Transparence financière et financement participatif Dossier de presse Mouvement pour la 6 e République : Transparence financière et financement participatif Dossier de presse Table des matières 1) Un site dédié au financement et à la transparence... 1 2) La transparence...

Plus en détail

État de l art sur les Systèmes de Recommandation

État de l art sur les Systèmes de Recommandation Nicolas Béchet nicolas.bechet@inria.fr Projet AxIS de l INRIA, dans le cadre du projet Addictrip Résumé Ce document fait état des différents types de systèmes de recommandation de la littérature. Nous

Plus en détail

Publicité comportementale. Etudes de marché à l international

Publicité comportementale. Etudes de marché à l international Publicité comportementale Etudes de marché à l international Emergence concept en 2007 Modification profonde de la stratégie des annonceurs E-publicité en plein essor et de mieux en mieux adaptée aux consommateurs

Plus en détail

PARTIE 1 : ETAT DE L ART...

PARTIE 1 : ETAT DE L ART... Table des matières INTRODUCTION... 1 Contexte général de l étude... 3 Problématiques... 4 Contributions des nos travaux de recherche... 5 Organisation du mémoire... 6 PARTIE 1 : ETAT DE L ART... 9 CHAPITRE

Plus en détail

GIND5439 Systèmes Intelligents. Septembre 2004

GIND5439 Systèmes Intelligents. Septembre 2004 GIND5439 Systèmes Intelligents Septembre 2004 Contenu du cours Introduction aux systèmes experts Intelligence artificielle Représentation des connaissances Acquisition de connaissances Systèmes à base

Plus en détail

UFR d Informatique. FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018

UFR d Informatique. FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018 UFR d Informatique FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018 Objectif L UFR d informatique propose au niveau du master, deux spécialités sous la mention informatique

Plus en détail

Introduction. Les obstacles à l analyse web. Le marquage

Introduction. Les obstacles à l analyse web. Le marquage Introduction L analyse web ou Web Analytics est une discipline récente dont on commence à entendre parler au milieu des années 2000. La Web Analytics Association 1 le définit comme la mesure, la collecte,

Plus en détail

Cartographie de mots : application à la visualisation de noms de marque

Cartographie de mots : application à la visualisation de noms de marque Université Montpellier II UFR Fac des Sciences Master 1 Informatique Université Montpellier II UFR Fac des Sciences Master 1 Informatique Cartographie de mots : application à la visualisation de noms de

Plus en détail