Informatique Fondamentale
|
|
- Jean Dumas
- il y a 7 ans
- Total affichages :
Transcription
1 Informatique Fondamentale Informatique fondamentale et modélisation L informatique fondamentale est une branche de l informatique dont le principal but est la modélisation de problèmes, concepts ou applications informatiques, et le développement d algorithmes pour analyser les modèles. I les modèles sont généralement des concepts abstraits, basés notamment sur les mathématiques I l abstraction permet de simplifier les problèmes concrets et de se concentrer sur leurs aspects essentiels I l abstraction permet plus de rigueur par une formalisation précise
2 Exemples de modèles I graphes : modèles de réseaux sociaux, routiers, web, etc. ), de dépendances (entre les variables d un programme, entre les classes en programmation objet, etc.),... I la logique : modélise les énoncés mathématiques I les systèmes de déduction : modélisent la notion de preuve I la machine de Turing I les automates : modélisent des programmes informatiques simples I les mots sur un alphabet quelconque : modélisent par exemple les instances d un problème, qu on représentent comme des mots, ou des séquences d ADN, etc. I langages de mots : modélisent des problèmes de décision (ensemble des instances ayant une solution) I chaînes de Markov : modélisent des systèmes probabilistes
3 Réductions entre problèmes I une notion essentielle en informatique fondamentale I modélisation d un problème par un autre Pour les problèmes de décision (réponse oui/non) Réduire un problème A dans un problème B, c est trouver une méthode permettant d encoder toute entrée I A du problème A comme une entrée I B du problème B, telleque I A a une solution si et seulement si I B a une solution I parfois on demandera que cette méthode soit un algorithme I pour les problèmes qui ne sont pas des problèmes de décision (trier un tableau par exemple), on demandera que toute solution de I A s encode en une solution de I B et réciproquement toute solution de I B se décode en une solution de I A
4 Exemple de réduction I problème A : I I INPUT : un tableau d entier OUTPUT : oui si tous les éléments sont distincts, non sinon I problème B : I I INPUT : un tableau d entier, OUTPUT : oui si la suite des éléments est strictement croissante, non sinon I réduction : trier le tableau. I complexité en temps = Réduction + coût pour résoudre B = O(n.log(n)) + O(n) = O(n.log(n)) I nous verrons beaucoup d autres exemples dans ce cours.
5 6 Objectifs du cours I apprendre à modéliser des problèmes de manière précise et rigoureuse I maîtriser la notion de réduction entre problèmes I acquérir des notions de base sur les concepts et modèles fondamentaux de l informatique Plan I modèles pour les énoncés mathématiques et les preuves : la logique et les systèmes de déduction I application de la logique à l informatique : les solveurs SAT I notion de complexité de problèmes et réduction entre problèmes I modèles de calcul et notion d indécidabilité I modèles de programmes : les automates finis
6 INTRODUCTION A LA LOGIQUE
7 9 Qu est-ce que la logique? Définition du Littré Science qui a pour objet les procédés du raisonnement. Définition du Trésor Science relative aux processus de la pensée rationnelle (induction, déduction, hypothèse p. ex.) et à la formulation discursive des vérités.. Définition du Larousse Science du raisonnement en lui-même, abstraction faite de la matière à laquelle il s applique et de tout processus psychologique..
8 10 Origines de la logique : Grèce Antique I enseignement du discours (logos en grecque) et de la rhétorique. Aristote ( 384, 322). I Formaliser les règles de déduction. I Décrire avec précision et rigueur des énoncés et des raisonnements sur ces énoncés. I Exemple : syllogisme 1. Tous les hommes sont mortels. 2. Or X est un homme. 3. Donc X est mortel. I Si les prémisses sont vrais (1 et 2), les règles de la logique assurent que 3 est vrai, peu importe la valeur de X. I En notation ensembliste, cela s exprime ainsi : si H M et X 2 H, alors X 2 M.
9 11 Fausses vérités et paradoxes I l utilisation du langage naturel comme notation est imprécise et peut mener à des énoncés faux Tout ce qui est rare est cher 2. Or une chose pas chère, c est rare 3. Donc une chose pas chère, c est cher. I... ou à des paradoxes I I I Cette phrase est fausse. Problème de l auto référence. Un crocodile s empare d un bébé crocodile et propose à sa mère de récupérer son bébé si elle devine ce qu il va en faire, ce à quoi elle répond tu vas le dévorer. Que va donc faire le crocodile? Le barbier rase tous les hommes qui ne se rasent pas eux-mêmes et seulement ceux-là. Qui rase le barbier?
10 12 Un petit dernier...
11 13 Logique Moderne I 19é siècle : la logique devient un outil scientifique (Boole, Hilbert, Gödel, Church, Turing...). I Formaliser les mathématiques comme un langage. Formaliser le concept de démonstration. I Spécifier des propriétés de systèmes informatiques de manière précise et rigoureuse : c est cet aspect qui va nous intéresser pour le model-checking.
12 14 Exemple Considérons la situation décrite par les a rmations suivantes : 1. Si le train arrive en retard et il n y a pas de taxis à la gare alors l invité arrive en retard. 2. L invité n est pas en retard. 3. Le train est arrivé en retard. Et la déduction suivante : il y avait des taxis à la gare. Question Pourquoi peut-on déduire qu il y avait des taxis à la gare? Premièrement, si on met l a rmation 1 et l affirmation 3 ensemble, on peut a rmer que s il n y avait pas eu de taxis à la gare, alors l invité serait arrivé en retard. D après l a rmation 2, l invité n est pas arrivé en retard. Donc il y avait des taxis à la gare.
13 15 Autre Exemple Considérons un autre exemple : 1. Si il pleut et l invité a oublié son parapluie alors l invité est trempé. 2. L invité n est pas trempé. 3. Il pleut. Et la déduction suivante : l invité n a pas oublié son parapluie. Question Pourquoi peut-on déduire que l invité n a pas oublié son parapluie? Premièrement, si on met l a rmation 1 et l affirmation 3 ensemble, on peut a rmer que si l invité avait oublié son parapluie, alors il serait trempé. D après l a rmation 2, l invité n est pas trempé. Donc l invité n a pas oublié son parapluie.
14 16 Remarque La deuxième démonstration suit la même structure logique que la première démonstration. Il su t de remplacer les fragments de phrase Exemple du train Exemple du parapluie Le train est arrivé en retard Il pleut comme suit : Il y a des taxis à la gare L invité a son parapluie L invité est en retard L invité est mouillé.
15 17 Formalisation Logique Exemple du train Exemple du parapluie Proposition Le train est arrivé en retard Il pleut p Il y a des taxis à la gare L invité a son parapluie q L invité est en retard L invité est mouillé r Démonstration 1. Hypothèse : si p et non q, alorsr 2. Hypothèse : p 3. Hypothèse : non r 4. Déduction : si non q alors r 5. Déduction : comme non r, alorsq.
16 18 Formalisation logique Alors nous pouvons formaliser les situations décrites dans ces deux premiers exemples par la formule logique suivante : ((p ^ q)! r) ^ r ^ p Et nous pouvons formaliser la déduction par : ((p ^ q)! r) ^ r ^ p = q Où = se lit : q est une conséquence logique de ((p ^ q)! r) ^ r ^ p.
17 19 Conditions Booléennes dans les langages de programmation Considérons le test suivant : if (x 3 and z apple 3) or (y apple 2 and z apple 3) then... Il peut-être remplacé par if (x 3 or y apple 2) and z apple 3 then... Car (p _ q) ^ r est logiquement équivalent à (p ^ r) _ (q ^ r).
18 20 Logique Propositionnelle I les propositions sont représentées par des variables propositionnelles p, q, r,... I les formules sont des suites de symboles construites à partir des variables propositionnelles et des connecteurs Booléens ^, _,,!,...Onparleradesyntaxe. I Exemple : (p ^ q)! (p _ q). I La sémantique des formules est définie en interprétant les variables propositionnelles par des valeurs Booléennes vrai (>) et faux(?), et en interprétant les connecteurs Booléens comme des fonctions Booléennes. I Une formule est satisfaisable si elle est vraie pour une certaine interprétation de ses variables. Ex : p, p _ q, p! q, maispasp ^ p. I Une formule est valide si elle est vraie pour tout interprétation de ses variables. Ex : p! p, p _ p, p! (q! (p ^ q)). I Questions : comment décider si une formule est satisfaisable? valide?
19 21 Modélisation en Logique Propositionnelle Modélisation I Soit une instance I d un problème P quelconque (par exemple, une base de données d étudiants et de cours, une grille de jeu Sudoku, un ensemble de tâche avec des délais et un ensemble de processeurs,...). I Il s agira de définir un ensemble de propositions Prop et une formule de la logique propositionnelle construite sur Prop, tellequei a une solution si et seulement si est satisfaisable, i.e. il existe un assignement des variables de Prop (à vrai ou faux) qui rend vraie la formule. I idéalement, l assignement trouvé doit nous donner la solution au problème I : emploi du temps, grille résolue, ordre d a ectation des tâches aux processeurs...
20 22 Exemple I Prop = {p i,j,v i, j, v 2 {1,...,9}} I p i,j,v est mise à vraie ssi la case de coordonnées (i, j) contient la valeur v I les formules devront exprimer les règles du Sudoku : 1. chaque valeur de 1 à 9 apparaît exactement une fois sur chaque ligne et chaque colonne 2. chaque sous-carré 3x3 doit contenir chaque valeur de 1 à 9 exactement une fois 3. les contraintes de départ doivent être respectées I ce qui donnera par exemple : p 1,1,1! p 1,2,1 ^ ^ p 1,9,1 (si la case de coordonnées (1, 1) contient la valeur 1, alors les cases de coordonnées (1, 2) à (1, 9) ne contiennent pas la valeur 1).
21 23 Vers plus d expressivité Phrase Chaque étudiant est plus jeune qu un professeur. Nous pouvons identifier cette phrase avec une variable propositionnelle p. La logique propositionnelle n est n est pas assez fine pour modéliser cette situation de manière précise Décomposition Quels sont les éléments essentiels de cette phrase? 1. être un étudiant 2. être un professeur 3. être plus jeune que quelqu un d autre
22 24 Vers plus d expressivité : les prédicats Phrase Chaque étudiant est plus jeune qu un professeur. 1. être un étudiant 2. être un professeur 3. être plus jeune que quelqu un d autre Ces qualités sont représentées par des prédicats. 1. E(alice) :aliceestuneétudiante 2. P(john) : john est un professeur 3. J(alice, john) : alice est plus jeune que john
23 25 Vers plus d expressivité : les variables De manière générale, on utilise des variables x, y, z,... pour abstraire des valeurs concrètes : 1. E(x) : x est un étudiant 2. P(y) : y est un professeur 3. J(x, y) : x est plus jeune que y
24 26 Vers plus d expressivité : les quantificateurs Phrase Chaque étudiant est plus jeune qu un professeur. On a besoin de quantificateurs : universel 8, pour tout existentiel 9, ilexiste
25 27 Vers plus d expressivité : la logique du premier ordre Phrase Chaque étudiant est plus jeune qu un professeur. Voici comment représenter cette phrase en logique du premier ordre (appelée aussi logique des prédicats) : 8x :(E(x)! (9y : P(y) ^ J(x, y))) qui se lit : pour tout x, six est un étudiant, alors il existe y tel que y est un professeur et x est plus jeune que y.
26 28 Logique du premier ordre : autre exemple I Considérons les prédicats suivants : I I O(x) : x est un oiseau V (x) : x sait voler I et les phrases suivantes : I il n est pas vrai que tous les oiseaux savent voler (8x : (O(x)! V (x))) I de manière équivalente, il existe un oiseau qui ne sait pas voler : 9x : O(x) ^ V (x)
27 29 La logique du premier ordre : un dernier exemple Considérons les règles suivantes : 1. les parents d un enfant sont des ancètres de cet enfant ; 2. les ancêtres d une personne qui est l ancêtre d une deuxième personne sont également ancètres de cette deuxième personne ; 3. deux personnes sont d une même famille si et seulement si elles ont un ancêtre commun.
28 30 La logique du premier ordre un dernier exemple Formalisation de la règle SpecApparente : 1. 8x, y : Parent(x, y)! Ancetre(x, y) 2. 8x, y :(9z : Ancetre(x, z) ^ Ancetre(z, y))! Ancetre(x, y) 3. 8x, y : Apparente(x, y) $9z : Ancetre(z, x) ^ Ancetre(z, y)
29 31 La logique du premier ordre un dernier exemple La formalisation de cet exemple permet maintenant de faire des calculs pour raisonner sur cette règle. Par exemple, il est possible de poser de manière précise des questions comme : I est-ce qu un parent x et son enfant y sont apparentés? SpecApparente =? 8x, y : Parent(x, y)! Apparente(x, y) I est-ce que la relation Apparente est symétrique? SpecApparente =? 8x, y : Apparente(x, y)! Apparente(y, x) Note Répondre à ces questions de manière formelle revient à faire une preuve qui établit la propriéte ou à construire un contre-exemple.
30 Exemples d application de la logique en informatique I design de circuits numériques I vérification hardware et software, model-checking. Logiques temporelles. I preuves de programmes I bases de données : SQL. I théorie de la complexité. Classes P et NP. I...
Chapitre 2. Eléments pour comprendre un énoncé
Chapitre 2 Eléments pour comprendre un énoncé Ce chapitre est consacré à la compréhension d un énoncé. Pour démontrer un énoncé donné, il faut se reporter au chapitre suivant. Les tables de vérité données
Plus en détailCalculabilité Cours 3 : Problèmes non-calculables. http://www.irisa.fr/lande/pichardie/l3/log/
Calculabilité Cours 3 : Problèmes non-calculables http://www.irisa.fr/lande/pichardie/l3/log/ Problèmes et classes de décidabilité Problèmes et classes de décidabilité Nous nous intéressons aux problèmes
Plus en détailLa NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.
La NP-complétude Johanne Cohen PRISM/CNRS, Versailles, France. Références 1. Algorithm Design, Jon Kleinberg, Eva Tardos, Addison-Wesley, 2006. 2. Computers and Intractability : A Guide to the Theory of
Plus en détailUtilisation des tableaux sémantiques dans les logiques de description
Utilisation des tableaux sémantiques dans les logiques de description IFT6281 Web Sémantique Jacques Bergeron Département d informatique et de recherche opérationnelle Université de Montréal bergerja@iro.umontreal.ca
Plus en détailObjectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)
Objectifs du cours d aujourd hui Informatique II : Cours d introduction à l informatique et à la programmation objet Complexité des problèmes Introduire la notion de complexité d un problème Présenter
Plus en détailIN 102 - Cours 1. 1 Informatique, calculateurs. 2 Un premier programme en C
IN 102 - Cours 1 Qu on le veuille ou non, les systèmes informatisés sont désormais omniprésents. Même si ne vous destinez pas à l informatique, vous avez de très grandes chances d y être confrontés en
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailExpression des contraintes. OCL : Object C o n t r a i n t L a n g u a g e
P r o b l é m a t i q u e OCL : O b j e c t C o n s t r a i n t L a n g u a g e Le langage de contraintes d UML Les différents diagrammes d UML permettent d exprimer certaines contraintes graphiquement
Plus en détailCours 1 : La compilation
/38 Interprétation des programmes Cours 1 : La compilation Yann Régis-Gianas yrg@pps.univ-paris-diderot.fr PPS - Université Denis Diderot Paris 7 2/38 Qu est-ce que la compilation? Vous avez tous déjà
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détailCours 1 : Introduction Ordinateurs - Langages de haut niveau - Application
Université de Provence Licence Math-Info Première Année V. Phan Luong Algorithmique et Programmation en Python Cours 1 : Introduction Ordinateurs - Langages de haut niveau - Application 1 Ordinateur Un
Plus en détailMachines virtuelles Cours 1 : Introduction
Machines virtuelles Cours 1 : Introduction Pierre Letouzey 1 pierre.letouzey@inria.fr PPS - Université Denis Diderot Paris 7 janvier 2012 1. Merci à Y. Régis-Gianas pour les transparents Qu est-ce qu une
Plus en détailUniversité de Bangui. Modélisons en UML
Université de Bangui CRM Modélisons en UML Ce cours a été possible grâce à l initiative d Apollinaire MOLAYE qui m a contacté pour vous faire bénéficier de mes connaissances en nouvelles technologies et
Plus en détailLogique binaire. Aujourd'hui, l'algèbre de Boole trouve de nombreuses applications en informatique et dans la conception des circuits électroniques.
Logique binaire I. L'algèbre de Boole L'algèbre de Boole est la partie des mathématiques, de la logique et de l'électronique qui s'intéresse aux opérations et aux fonctions sur les variables logiques.
Plus en détailManuel d utilisation 26 juin 2011. 1 Tâche à effectuer : écrire un algorithme 2
éducalgo Manuel d utilisation 26 juin 2011 Table des matières 1 Tâche à effectuer : écrire un algorithme 2 2 Comment écrire un algorithme? 3 2.1 Avec quoi écrit-on? Avec les boutons d écriture........
Plus en détailLogique : ENSIIE 1A - contrôle final
1 Logique : ENSIIE 1A - contrôle final - CORRIGÉ Mardi 11 mai 2010 - Sans documents - Sans calculatrice ni ordinateur Durée : 1h30 Les exercices sont indépendants. Exercice 1 (Logique du premier ordre
Plus en détailÉvaluation et implémentation des langages
Évaluation et implémentation des langages Les langages de programmation et le processus de programmation Critères de conception et d évaluation des langages de programmation Les fondations de l implémentation
Plus en détailGoogle fait alors son travail et vous propose une liste de plusieurs milliers de sites susceptibles de faire votre bonheur de consommateur.
Quelques resultats de méthode : Entre le 20 Juillet et le 20 Octobre 2011 : Sur une liste de seulement 60 mots clés ou séquences clés 1. 7 sont premiers sur Google soit 12 % 2. 16 sont dans les 3 premiers
Plus en détailIntelligence Artificielle Planification
Intelligence Artificielle Planification Bruno Bouzy http://web.mi.parisdescartes.fr/~bouzy bruno.bouzy@parisdescartes.fr Licence 3 Informatique UFR Mathématiques et Informatique Université Paris Descartes
Plus en détailGrandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test
Grandes lignes Analyseur Statique de logiciels Temps RÉel Embarqués École Polytechnique École Normale Supérieure Mercredi 18 juillet 2005 1 Présentation d 2 Cadre théorique de l interprétation abstraite
Plus en détailUNE EXPERIENCE, EN COURS PREPARATOIRE, POUR FAIRE ORGANISER DE L INFORMATION EN TABLEAU
Odile VERBAERE UNE EXPERIENCE, EN COURS PREPARATOIRE, POUR FAIRE ORGANISER DE L INFORMATION EN TABLEAU Résumé : Cet article présente une réflexion sur une activité de construction de tableau, y compris
Plus en détailIII- Raisonnement par récurrence
III- Raisonnement par récurrence Les raisonnements en mathématiques se font en général par une suite de déductions, du style : si alors, ou mieux encore si c est possible, par une suite d équivalences,
Plus en détailFONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières
FONDEMENTS MATHÉMATIQUES 12 E ANNÉE Mathématiques financières A1. Résoudre des problèmes comportant des intérêts composés dans la prise de décisions financières. [C, L, RP, T, V] Résultat d apprentissage
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détail3. SPÉCIFICATIONS DU LOGICIEL. de l'expression des besoins à la conception. Spécifications fonctionnelles Analyse fonctionnelle et méthodes
PLAN CYCLE DE VIE D'UN LOGICIEL EXPRESSION DES BESOINS SPÉCIFICATIONS DU LOGICIEL CONCEPTION DU LOGICIEL LA PROGRAMMATION TESTS ET MISE AU POINT DOCUMENTATION CONCLUSION C.Crochepeyre Génie Logiciel Diapason
Plus en détailInformation utiles. cinzia.digiusto@gmail.com. webpage : Google+ : http://www.ibisc.univ-evry.fr/ digiusto/
Systèmes de gestion de bases de données Introduction Université d Evry Val d Essonne, IBISC utiles email : cinzia.digiusto@gmail.com webpage : http://www.ibisc.univ-evry.fr/ digiusto/ Google+ : https://plus.google.com/u/0/b/103572780965897723237/
Plus en détailRéalisabilité et extraction de programmes
Mercredi 9 mars 2005 Extraction de programme: qu'est-ce que c'est? Extraire à partir d'une preuve un entier x N tel que A(x). π x N A(x) (un témoin) (En fait, on n'extrait pas un entier, mais un programme
Plus en détailLogique. Plan du chapitre
Logique Ce chapitre est assez abstrait en première lecture, mais est (avec le chapitre suivant «Ensembles») probablement le plus important de l année car il est à la base de tous les raisonnements usuels
Plus en détailConception des systèmes répartis
Conception des systèmes répartis Principes et concepts Gérard Padiou Département Informatique et Mathématiques appliquées ENSEEIHT Octobre 2012 Gérard Padiou Conception des systèmes répartis 1 / 37 plan
Plus en détailbasée sur le cours de Bertrand Legal, maître de conférences à l ENSEIRB www.enseirb.fr/~legal Olivier Augereau Formation UML
basée sur le cours de Bertrand Legal, maître de conférences à l ENSEIRB www.enseirb.fr/~legal Olivier Augereau Formation UML http://olivier-augereau.com Sommaire Introduction I) Les bases II) Les diagrammes
Plus en détailINF 232: Langages et Automates. Travaux Dirigés. Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies
INF 232: Langages et Automates Travaux Dirigés Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies Année Académique 2013-2014 Année Académique 2013-2014 UNIVERSITÉ JOSEPH
Plus en détailIntelligence 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 détailTP 1. Prise en main du langage Python
TP. Prise en main du langage Python Cette année nous travaillerons avec le langage Python version 3. ; nous utiliserons l environnement de développement IDLE. Étape 0. Dans votre espace personnel, créer
Plus en détailUniversité Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications
Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailProblématique / Problématiser / Problématisation / Problème
Problématique / Problématiser / Problématisation / PROBLÉMATIQUE : UN GROUPEMENT DE DÉFINITIONS. «Art, science de poser les problèmes. Voir questionnement. Ensemble de problèmes dont les éléments sont
Plus en détailIUT de Laval Année Universitaire 2008/2009. Fiche 1. - Logique -
IUT de Laval Année Universitaire 2008/2009 Département Informatique, 1ère année Mathématiques Discrètes Fiche 1 - Logique - 1 Logique Propositionnelle 1.1 Introduction Exercice 1 : Le professeur Leblond
Plus en détailUne dérivation du paradigme de réécriture de multiensembles pour l'architecture de processeur graphique GPU
Une dérivation du paradigme de réécriture de multiensembles pour l'architecture de processeur graphique GPU Gabriel Antoine Louis Paillard Ce travail a eu le soutien de la CAPES, agence brésilienne pour
Plus en détailINTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailProbabilités conditionnelles Exercices corrigés
Terminale S Probabilités conditionnelles Exercices corrigés Exercice : (solution Une compagnie d assurance automobile fait un bilan des frais d intervention, parmi ses dossiers d accidents de la circulation.
Plus en détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailInitiation à la programmation en Python
I-Conventions Initiation à la programmation en Python Nom : Prénom : Une commande Python sera écrite en caractère gras. Exemples : print 'Bonjour' max=input("nombre maximum autorisé :") Le résultat de
Plus en détailSOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique
SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des
Plus en détailTP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile
TP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile Dans ce TP, vous apprendrez à définir le type abstrait Pile, à le programmer en Java à l aide d une interface
Plus en détailChapitre 1 Qu est-ce qu une expression régulière?
Chapitre 1 Qu est-ce qu une expression régulière? Les ordinateurs n ont pas du tout la même conception des textes que nous : pour nous, un texte est un ensemble d idées couchées sur papier. Nous nous en
Plus en détailPourquoi l apprentissage?
Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage
Plus en détailInformatique Machines à calculer en théorie et en pratique
Licence Physique-Chimie Histoire des Sciences Informatique Machines à calculer en théorie et en pratique Notes de Cours 1 Introduction Étymologie En Allemagne (1957) le terme «Informatik» est créé par
Plus en détailQuelques algorithmes simples dont l analyse n est pas si simple
Quelques algorithmes simples dont l analyse n est pas si simple Michel Habib habib@liafa.jussieu.fr http://www.liafa.jussieu.fr/~habib Algorithmique Avancée M1 Bioinformatique, Octobre 2008 Plan Histoire
Plus en détailModélisation des données
Modélisation des données Le modèle Entité/Association Le MCD ou modèle Entité/Association est un modèle chargé de représenter sous forme graphique les informations manipulées par le système (l entreprise)
Plus en détailSystèmes décisionnels et programmation avancée
Systèmes décisionnels et programmation avancée M1 SIR Philippe Muller et Mustapha Mojahid, Matthieu Serrurier, Marie-Christine Scheix 2014-2015 Introduction structure du cours intervenants introduction
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailCours 1 : Qu est-ce que la programmation?
1/65 Introduction à la programmation Cours 1 : Qu est-ce que la programmation? Yann Régis-Gianas yrg@pps.univ-paris-diderot.fr Université Paris Diderot Paris 7 2/65 1. Sortez un appareil qui peut se rendre
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailArithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot
Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,
Plus en détailLangage SQL : créer et interroger une base
Langage SQL : créer et interroger une base Dans ce chapitre, nous revenons sur les principales requêtes de création de table et d accès aux données. Nous verrons aussi quelques fonctions d agrégation (MAX,
Plus en détailLe Collège de France crée une chaire pérenne d Informatique, Algorithmes, machines et langages, et nomme le Pr Gérard BERRY titulaire
Communiquédepresse Mars2013 LeCollègedeFrancecréeunechairepérenned Informatique, Algorithmes,machinesetlangages, etnommeleprgérardberrytitulaire Leçoninauguralele28mars2013 2009avait marquéunpas importantdans
Plus en détailUML et les Bases de Données
CNAM UML et les Bases de Données UML et les Bases de Données. Diagramme de classes / diagramme d objets (UML)...2.. Premier niveau de modélisation des données d une application...2.2. Les éléments de modélisation...2.2..
Plus en détailPython - introduction à la programmation et calcul scientifique
Université de Strasbourg Environnements Informatique Python - introduction à la programmation et calcul scientifique Feuille de TP 1 Avant de commencer Le but de ce TP est de vous montrer les bases de
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailConception des bases de données : Modèle Entité-Association
Conception des bases de données : Modèle Entité-Association La modélisation d un problème, c est-à-dire le passage du monde réel à sa représentation informatique, se définit en plusieurs étapes pour parvenir
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailTable des matières. Introduction
Table des matières 1 Formalisation des virus informatiques 2 1.1 Les machines de Turing........................ 2 1.2 Formalisation de Fred Cohen..................... 2 1.2.1 Définition d un virus informatique..............
Plus en détailCycle de vie du logiciel. Unified Modeling Language UML. UML: définition. Développement Logiciel. Salima Hassas. Unified Modeling Language
Unified Modeling Language UML Salima Hassas Version Cycle de vie du logiciel Client Besoins Déploiement Analyse Test Conception Cours sur la base des transparents de : Gioavanna Di Marzo Serugendo et Frédéric
Plus en détailCréer le schéma relationnel d une base de données ACCESS
Utilisation du SGBD ACCESS Polycopié réalisé par Chihab Hanachi et Jean-Marc Thévenin Créer le schéma relationnel d une base de données ACCESS GENERALITES SUR ACCESS... 1 A PROPOS DE L UTILISATION D ACCESS...
Plus en détailECR_DESCRIPTION CHAR(80), ECR_MONTANT NUMBER(10,2) NOT NULL, ECR_SENS CHAR(1) NOT NULL) ;
RÈGLES A SUIVRE POUR OPTIMISER LES REQUÊTES SQL Le but de ce rapport est d énumérer quelques règles pratiques à appliquer dans l élaboration des requêtes. Il permettra de comprendre pourquoi certaines
Plus en détailDéfinitions. Numéro à préciser. (Durée : )
Numéro à préciser (Durée : ) On étudie dans ce problème l ordre lexicographique pour les mots sur un alphabet fini et plusieurs constructions des cycles de De Bruijn. Les trois parties sont largement indépendantes.
Plus en détail1/24. I passer d un problème exprimé en français à la réalisation d un. I expressions arithmétiques. I structures de contrôle (tests, boucles)
1/4 Objectif de ce cours /4 Objectifs de ce cours Introduction au langage C - Cours Girardot/Roelens Septembre 013 Du problème au programme I passer d un problème exprimé en français à la réalisation d
Plus en détailEntraînement, consolidation, structuration... Que mettre derrière ces expressions?
Entraînement, consolidation, structuration... Que mettre derrière ces expressions? Il est clair que la finalité principale d une démarche d investigation est de faire acquérir des connaissances aux élèves.
Plus en détailComment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie
Partie I : Séries statistiques descriptives univariées (SSDU) A Introduction Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie et tous sont organisés selon le même
Plus en détailModel checking temporisé
Model checking temporisé Béatrice Bérard LAMSADE Université Paris-Dauphine & CNRS berard@lamsade.dauphine.fr ETR 07, 5 septembre 2007 1/44 Nécessité de vérifier des systèmes... 2/44 Nécessité de vérifier
Plus en détailMATHÉMATIQUES. Les préalables pour l algèbre MAT-P020-1 DÉFINITION DU DOMAINE D EXAMEN
MATHÉMATIQUES Les préalables pour l algèbre MAT-P020-1 DÉFINITION DU DOMAINE D EXAMEN Mars 2001 MATHÉMATIQUES Les préalables pour l algèbre MAT-P020-1 DÉFINITION DU DOMAINE D EXAMEN Mars 2001 Direction
Plus en détailJade. Projet Intelligence Artificielle «Devine à quoi je pense»
Jade Projet Intelligence Artificielle «Devine à quoi je pense» Réalisé par Djénéba Djikiné, Alexandre Bernard et Julien Lafont EPSI CSII2-2011 TABLE DES MATIÈRES 1. Analyse du besoin a. Cahier des charges
Plus en détailLes Différents types de Requêtes dans Access
Les Différents types de Requêtes dans Access Il existe six types de requêtes. Les Requêtes «Sélection», qui sont le mode par défaut et correspondent à des «vues» des tables originelles. Cela signifie que
Plus en détailCours d algorithmique pour la classe de 2nde
Cours d algorithmique pour la classe de 2nde F.Gaudon 10 août 2009 Table des matières 1 Avant la programmation 2 1.1 Qu est ce qu un algorithme?................................. 2 1.2 Qu est ce qu un langage
Plus en détailFondements de l informatique Logique, modèles, et calculs
Fondements de l informatique Logique, modèles, et calculs Cours INF423 de l Ecole Polytechnique Olivier Bournez Version du 20 septembre 2013 2 Table des matières 1 Introduction 9 1.1 Concepts mathématiques........................
Plus en détailLes diagrammes de modélisation
L approche Orientée Objet et UML 1 Plan du cours Introduction au Génie Logiciel L approche Orientée Objet et Notation UML Les diagrammes de modélisation Relations entre les différents diagrammes De l analyse
Plus en détail6. Les différents types de démonstrations
LES DIFFÉRENTS TYPES DE DÉMONSTRATIONS 33 6. Les différents types de démonstrations 6.1. Un peu de logique En mathématiques, une démonstration est un raisonnement qui permet, à partir de certains axiomes,
Plus en détailSciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION
Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Classe de terminale de la série Sciences et Technologie du Management et de la Gestion Préambule Présentation Les technologies de l information
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailQualité du logiciel: Méthodes de test
Qualité du logiciel: Méthodes de test Matthieu Amiguet 2004 2005 Analyse statique de code Analyse statique de code Étudier le programme source sans exécution Généralement réalisée avant les tests d exécution
Plus en détailAlgorithmique et programmation : les bases (VBA) Corrigé
PAD INPT ALGORITHMIQUE ET PROGRAMMATION 1 Cours VBA, Semaine 1 mai juin 2006 Corrigé Résumé Ce document décrit l écriture dans le langage VBA des éléments vus en algorithmique. Table des matières 1 Pourquoi
Plus en détailLogiciel Libre Cours 3 Fondements: Génie Logiciel
Logiciel Libre Cours 3 Fondements: Génie Logiciel Stefano Zacchiroli zack@pps.univ-paris-diderot.fr Laboratoire PPS, Université Paris Diderot 2013 2014 URL http://upsilon.cc/zack/teaching/1314/freesoftware/
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailDéroulement. Evaluation. Préambule. Définition. Définition. Algorithmes et structures de données 28/09/2009
Déroulement Algorithmes et structures de données Cours 1 et 2 Patrick Reuter http://www.labri.fr/~preuter/asd2009 CM mercredi de 8h00 à 9h00 (Amphi Bât. E, 3 ème étage) ED - Groupe 3 : mercredi, 10h30
Plus en détailLE PROBLEME DU PLUS COURT CHEMIN
LE PROBLEME DU PLUS COURT CHEMIN Dans cette leçon nous définissons le modèle de plus court chemin, présentons des exemples d'application et proposons un algorithme de résolution dans le cas où les longueurs
Plus en détailTravaux pratiques. Compression en codage de Huffman. 1.3. Organisation d un projet de programmation
Université de Savoie Module ETRS711 Travaux pratiques Compression en codage de Huffman 1. Organisation du projet 1.1. Objectifs Le but de ce projet est d'écrire un programme permettant de compresser des
Plus en détailL exclusion mutuelle distribuée
L exclusion mutuelle distribuée L algorithme de L Amport L algorithme est basé sur 2 concepts : L estampillage des messages La distribution d une file d attente sur l ensemble des sites du système distribué
Plus en détailMPI Activité.10 : Logique binaire Portes logiques
MPI Activité.10 : Logique binaire Portes logiques I. Introduction De nombreux domaines font appel aux circuits logiques de commutation : non seulement l'informatique, mais aussi les technologies de l'asservissement
Plus en détailNom de l application
Ministère de l Enseignement Supérieur et de la Recherche Scientifique Direction Générale des Etudes Technologiques Institut Supérieur des Etudes Technologiques de Gafsa Département Technologies de l Informatique
Plus en détailChap 4: Analyse syntaxique. Prof. M.D. RAHMANI Compilation SMI- S5 2013/14 1
Chap 4: Analyse syntaxique 1 III- L'analyse syntaxique: 1- Le rôle d'un analyseur syntaxique 2- Grammaires non contextuelles 3- Ecriture d'une grammaire 4- Les méthodes d'analyse 5- L'analyse LL(1) 6-
Plus en détailJOURNEES SYSTEMES & LOGICIELS CRITIQUES le 14/11/2000. Mise en Œuvre des techniques synchrones pour des applications industrielles
JOURNEES SYSTEMES & LOGICIELS CRITIQUES le 14/11/2000 Mise en Œuvre des techniques synchrones pour des applications industrielles Mise en œuvre des techniques synchrones pour des applications industrielles
Plus en détailO b s e r v a t o i r e E V A P M. Taxonomie R. Gras - développée
O b s e r v a t o i r e E V A P M É q u i p e d e R e c h e r c h e a s s o c i é e à l ' I N R P Taxonomie R. Gras - développée Grille d'analyse des objectifs du domaine mathématique et de leurs relations
Plus en détailDocument d aide au suivi scolaire
Document d aide au suivi scolaire Ecoles Famille Le lien Enfant D une école à l autre «Enfants du voyage et de familles non sédentaires» Nom :... Prénom(s) :... Date de naissance :... Ce document garde
Plus en détailA - «Le nombre dans l art» (L œuvre d art et sa composition)
1 A - «Le nombre dans l art» (L œuvre d art et sa composition) 1) Ma fin est mon commencement, (v.1370) de Guillaume de Machaut Cette pièce, "Ma fin est mon commencement", est devenue spécialement célèbre
Plus en détailPROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES
Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.
Plus en détailRappel. Analyse de Données Structurées - Cours 12. Un langage avec des déclaration locales. Exemple d'un programme
Rappel Ralf Treinen Université Paris Diderot UFR Informatique Laboratoire Preuves, Programmes et Systèmes treinen@pps.univ-paris-diderot.fr 6 mai 2015 Jusqu'à maintenant : un petit langage de programmation
Plus en détailOrganigramme / Algorigramme Dossier élève 1 SI
Organigramme / Algorigramme Dossier élève 1 SI CI 10, I11 ; CI 11, I10 C24 Algorithmique 8 février 2009 (13:47) 1. Introduction Un organigramme (ou algorigramme, lorsqu il est plus particulièrement appliqué
Plus en détailÉlasticité des applications à base de services dans le Cloud
1/40 Élasticité des applications à base de services dans le Cloud Mourad Amziani 12 Tarek Melliti 1 Samir Tata 2 1 IBISC, EA4526, Université d'évry Val-d'Essonne, Évry, France 2 UMR CNRS Samovar, Institut
Plus en détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
Plus en détail