IUP SID Année TP : Classification non supervisée
|
|
- Marie-Agnès Nolet
- il y a 6 ans
- Total affichages :
Transcription
1 IUP SID Année TP : Classification non supervisée Hélène Milhem
2 2 Apprentissage Statistique Année
3 Chapitre 1 Classification d un tableau de distances 1.1 Données routières Les données se présentent sous la forme d un triangle inférieur d une matrice symétrique, par construction, et contenant les distances kilomètriques de 47 villes françaises prises 2 à 2 (Source : carte IGN). Ces données sont disponibles dans le fichier mdsville.dat. 1.2 Lecture des données mdsville.dat La lecture d une matrice triangulaire inférieure en tant que matrice de distances pose quelqus difficultés à R dans la gestion du type des objets. mdsville=read.table("mdsville.dat",fill=true) #Extraction des noms des villes villes=as.character(mdsville[2:48,1]) #Extraction des valeurs des distances m=mdsville[2:48,2:48] #Transformation du data frame en une matrice #alpha-numérique due à la présence d espaces m=as.matrix(m) #Retour au numérique avec des données manquantes m=as.numeric(m) #Reformatage en une matrice m=matrix(m,47,47) #Ajonction des noms des villes en ligne et colonne dimnames(m)[[1]]=villes dimnames(m)[[2]]=villes #Transformation en un objet de type distance d=as.dist(m,diag=true) d 1.3 Classification hiérarchique ascendante ou CAH. Représentation par MDS On recherche le dendogramme, le nombre de classes et la coloration des villes en fonction de leur appartenance à une classe. chv=hclust(d,method="ward") plot(chv,main=null,sub="",xlab="") plot(chv$height[46:30],xlab="nb de classes",ylab="hauteur") color=cutree(chv,k=5) Les données proviennent d une matrice de distances. Ainis le MDS s impose pour une représentation factorielle des villes. mds=cmdscale(d,k=2) plot(mds,type="n",xlab="cp1",ylax="cp2") text(mds,villes,col=color) #Représentation avec des couleurs
4 4 Apprentissage Statistique Année On peut tester l influence du choix de la distance entre les classes dans la CAH. chv=hclust(d,method="single") plot(chv,main=null,sub="",xlab="") plot(chv$height[46:30],xlab="nb de classes",ylab="hauteur") color=cutree(chv,k=5) plot(mds,type="n",xlab="cp1",ylax="cp2") text(mds,villes,col=color) #Représentation avec des couleurs 1.4 PAM et représentation par MDS L algorithme de réallocation k-means n est pas adapté à une matrice de distances ou de dissimilarités. En revanche, PAM est opérationnel si le nombre d observations n est pas trop important. Sinon il faut utiliser l adaptation clara. Ces fonctions sont disponibles dans la librairie cluster. library(cluster) pamv=pam(d,5) color=pamv$clustering plot(mds,type="n",xlab="cp1",ylab="cp2") #Représentation avec des couleurs text(mds,villes,col=color) #Le m^eme avec des ellipses clusplot(d,pamv$clustering,diss=true,labels=2, color=true,col.txt=pamv$clustering,main="")
5 Chapitre 2 Classification de données quantitatives 2.1 Données OCE Les données sont issues de l Observatoire de l OCDE. Pour chaque pays membre et pour chacune des années 75, 77, 79 et 81, on connaît les valeurs prises par les variables suivantes qui sont toutes des taux : taux brut de natalité, taux de chômage, pourcentage d actifs dans le secteur primaire, pourcentage d actifs dans le secteur secondaire, produit intérieur brut (par habitant), fomation brute de capital fixe (par habitant) hausse des prix, recettes courantes (par habitant), moratilité infantile, consommation de protéines animales (par habitant), consommation d énergie (par habitant). Ces données sont disponibles dans le fichier ocde.dat. 2.2 Classification hiérarchique ascendante ou CAH #lecture des données avec le nom des variables #en première ligne ocde=read.table("ocde_r.dat") #calcul de la distance avec la commande scale ds=dist(scale(ocde)) #classification hiérarchique hc.ds=hclust(ds,method="ward") plot(hc.ds) #dendogramme #choix du nombre de classes plot(hc.ds$height[67:58],type="b") color=cutree(hc.ds,k=4) #couleurs des classes #ACP pour représentations library(factominer) acp=pca(ocde,ncp=13,graph=f) #graphe de l acp plot(acp,choix="ind",habillage="ind", col.hab=rep(1:17,c(rep(4,17)))) #graphe de l acp avec les couleurs # des classes de la CAH plot(acp,choix="ind",habillage="ind",col.hab=color) On peut refaire tourner cet algorithme en retirant la réduction des variables (commande scale) ou en remplaçant method= ward par method= single.
6 6 Apprentissage Statistique Année Algorithme de réallocation (k-means) et représentation par ACP #Version avec réduction #Choix de 4 classes suggérées par la CAH kocde=kmeans(scale(ocde),4) color=kocde$cluster plot(acp,choix="ind",habillage="ind",color.hab=color) #Version sans réduction kocde=kmeans(ocde,4) color=kocde$cluster plot(acp,choix="ind",habillage="ind",color.hab=color)
La classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailACP Voitures 1- Méthode
acp=princomp(voit,cor=t) ACP Voitures 1- Méthode Call: princomp(x = voit, cor = T) Standard deviations: Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 2.1577815 0.9566721 0.4903373 0.3204833 0.2542759 0.1447788
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 détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailUniversité du Québec à Chicoutimi. Département d informatique et de mathématique. Plan de cours. Titre : Élément de programmation.
Université du Québec à Chicoutimi Département d informatique et de mathématique Plan de cours Titre : Élément de programmation Sigle : 8inf 119 Session : Automne 2001 Professeur : Patrice Guérin Local
Plus en détailAtelier Transversal AT11. Activité «Fourmis» Pierre Chauvet. pierre.chauvet@uco.fr
Atelier Transversal AT11 Activité «Fourmis» Pierre Chauvet pierre.chauvet@uco.fr Ant : un algorithme inspiré de l éthologie L éthologie Etude scientifique des comportements animaux, avec une perspective
Plus en détailL AIDE AU DÉVELOPPEMENT FRANÇAISE
L AIDE AU DÉVELOPPEMENT FRANÇAISE L Aide publique au développement (APD) désigne les dépenses publiques au bénéfice des pays en développement dont le but essentiel est de favoriser le développement économique
Plus en détailBelgrand: un Grand Equipement pour l utilisation des Bases de Données
Belgrand: un Grand Equipement pour l utilisation des Bases de Données Olivier Bonin et Jean-Paul Hubert Projet EQUIPEX et DRI du PRES Université Paris Est porté par l INRETS Grand Equipement pour les SHS
Plus en détailInitiation à l analyse en composantes principales
Fiche TD avec le logiciel : tdr601 Initiation à l analyse en composantes principales A.B. Dufour & J.R. Lobry Une première approche très intuitive et interactive de l ACP. Centrage et réduction des données.
Plus en détailNouveau Barème W.B.F. de points de victoire 4 à 48 donnes
Nouveau Barème W.B.F. de points de victoire 4 à 48 donnes Pages 4 à 48 barèmes 4 à 48 donnes Condensé en une page: Page 2 barèmes 4 à 32 ( nombre pair de donnes ) Page 3 Tous les autres barèmes ( PV de
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 détailSpécifications, Développement et Promotion. Ricco RAKOTOMALALA Université Lumière Lyon 2 Laboratoire ERIC
Spécifications, Développement et Promotion Ricco RAKOTOMALALA Université Lumière Lyon 2 Laboratoire ERIC Ricco? Enseignant chercheur (CNU.27) En poste à l Université Lyon 2 Faculté de Sciences Eco. Recherche
Plus en détailLES OMD EN CHIFFRES. Par Raulin Lincifort CADET INTRODUCTION
1 LES OMD EN CHIFFRES Par Raulin Lincifort CADET INTRODUCTION Faisant suite à la Déclaration du Millénaire, le bureau du PNUD en Haïti s est attelé à faire la promotion des Objectifs du Millénaire pour
Plus en détailISFA 2 année 2002-2003. Les questions sont en grande partie indépendantes. Merci d utiliser l espace imparti pour vos réponses.
On considère la matrice de données : ISFA 2 année 22-23 Les questions sont en grande partie indépendantes Merci d utiliser l espace imparti pour vos réponses > ele JCVGE FM1 GM JCRB FM2 JMLP Paris 61 29
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailScénario: Données bancaires et segmentation de clientèle
Résumé Scénario: Données bancaires et segmentation de clientèle Exploration de données bancaires par des méthodes uni, bi et multidimensionnelles : ACP, AFCM k-means, CAH. 1 Présentation Le travail proposé
Plus en détailHistorique. Architecture. Contribution. Conclusion. Définitions et buts La veille stratégique Le multidimensionnel Les classifications
L intelligence économique outil stratégique pour l entreprise Professeur Bernard DOUSSET dousset@irit.fr http://atlas.irit.fr Institut de Recherche en Informatique de Toulouse (IRIT) Equipe Systèmes d
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailFORMULAIRE DE DÉCLARATION DE PATRIMOINE
FORMULAIRE DE DÉCLARATION DE PATRIMOINE TYPE DE DÉCLARATION: Entrée en Fonction Référence : Loi du 20 Février 2008 et Moniteur No. 17 Sortie de Fonction Titre de la Fonction Date de la déclaration../ /.
Plus en détailFormavie 2010. 2 Différentes versions du format PDB...3. 3 Les champs dans les fichiers PDB...4. 4 Le champ «ATOM»...5. 6 Limites du format PDB...
Formavie 2010 Les fichiers PDB Les fichiers PDB contiennent les informations qui vont permettre à des logiciels de visualisation moléculaire (ex : RasTop ou Jmol) d afficher les molécules. Un fichier au
Plus en détailStéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE. 04/04/2008 Stéphane Tufféry - Data Mining - http://data.mining.free.fr
Stéphane Tufféry DATA MINING & STATISTIQUE DÉCISIONNELLE 1 Plan du cours Qu est-ce que le data mining? A quoi sert le data mining? Les 2 grandes familles de techniques Le déroulement d un projet de data
Plus en détailSimulation d impact de l augmentation des salaires du personnel de l administration publique et du SMIG et du SMAG dans le secteur privé
Simulation d impact de l augmentation des salaires du personnel de l administration publique et du SMIG et du SMAG dans le secteur privé L augmentation des salaires du personnel de l administration publique
Plus en détailEteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :
MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE
Plus en détailEtape 1 : paramétrage et choix du modèle d organisation
L outil d analyse que nous vous proposons reprend toutes les étapes relatives à l'établissement d'un bulletin de paie en fonction du profil d'organisation de votre cabinet. Il doit vous permettre de mieux
Plus en détailCOMPRENDRE LA BOURSE
COMPRENDRE LA BOURSE Les principaux indicateurs économiques Ce document pédagogique n est pas un document de conseils pour investir en bourse. Les informations données dans ce document sont à titre informatif.
Plus en détailQuel est le temps de travail des enseignants?
Quel est le temps de travail des enseignants? Dans les établissements publics, les enseignants donnent, en moyenne et par an, 779 heures de cours dans l enseignement primaire, 701 heures de cours dans
Plus en détailAnalyses multivariées avec R Commander (via le package FactoMineR) Qu est ce que R? Introduction à R Qu est ce que R?
Analyses multivariées avec R Commander Analyses multivariées avec R Commander (via le package FactoMineR) Plate-forme de Support en Méthodologie et Calcul Statistique (SMCS) - UCL 1 Introduction à R 2
Plus en détailAnalyse 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 détailMABioVis. Bio-informatique et la
MABioVis Modèles et Algorithmes pour la Bio-informatique et la Visualisation Visite ENS Cachan 5 janvier 2011 MABioVis G GUY MELANÇON (PR UFR Maths Info / EPI GRAVITE) (là, maintenant) - MABioVis DAVID
Plus en détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
Plus en détailMémo d utilisation de ADE-4
Mémo d utilisation de ADE-4 Jérôme Mathieu http://www.jerome.mathieu.freesurf.fr 2003 ADE-4 est un logiciel d analyses des communautés écologiques créé par l équipe de biostatistiques de Lyon. Il propose
Plus en détailInitiation à LabView : Les exemples d applications :
Initiation à LabView : Les exemples d applications : c) Type de variables : Créer un programme : Exemple 1 : Calcul de c= 2(a+b)(a-3b) ou a, b et c seront des réels. «Exemple1» nom du programme : «Exemple
Plus en détailPREMIERE DEMANDE D UNE CARTE NATIONALE D IDENTITE
PREMIERE DEMANDE 1 ER CAS : VOUS ETES DANS L INCAPACITE DE PRESENTER UN AUTRE TITRE (SECURISE OU NON) 2 E CAS : VOUS ETES EN MESURE DE PRESENTER UN PASSEPORT ELECTRONIQUE OU BIOMETRIQUE La photocopie du
Plus en détailCorrection du baccalauréat STMG Polynésie 17 juin 2014
Correction du baccalauréat STMG Polynésie 17 juin 2014 EXERCICE 1 Cet exercice est un Q.C.M. 4 points 1. La valeur d une action cotée en Bourse a baissé de 37,5 %. Le coefficient multiplicateur associé
Plus en détail1 CRÉER UN TABLEAU. IADE Outils et Méthodes de gestion de l information
TP Numéro 2 CRÉER ET MANIPULER DES TABLEAUX (Mise en forme, insertion, suppression, tri...) 1 CRÉER UN TABLEAU 1.1 Présentation Pour organiser et présenter des données sous forme d un tableau, Word propose
Plus en détailINSTITUT DE LA STATISTIQUE DU QUÉBEC ÉCONOMIE. Comptes économiques des revenus et dépenses du Québec
INSTITUT DE LA STATISTIQUE DU QUÉBEC ÉCONOMIE Comptes économiques des revenus et dépenses du Québec Édition 2013 Pour tout renseignement concernant l ISQ et les données statistiques dont il dispose, s
Plus en détailExtraction d informations stratégiques par Analyse en Composantes Principales
Extraction d informations stratégiques par Analyse en Composantes Principales Bernard DOUSSET IRIT/ SIG, Université Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 04 dousset@irit.fr 1 Introduction
Plus en détailPLAN. Ricco Rakotomalala Tutoriels Tanagra - http://tutoriels-data-mining.blogspot.fr/ 2
Apprentissage non-supervisé ou apprentissage multi-supervisé? Ricco RAKOTOMALALA Tutoriels Tanagra - http://tutoriels-data-mining.blogspot.fr/ PLAN. Classification automatique, typologie, etc.. Interprétation
Plus en détailJean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux
Colonies de fourmis Comment procèdent les colonies de fourmi pour déterminer un chemin presque géodésique de la fourmilière à un stock de nourriture? Les premières fourmis se déplacent au hasard. Les fourmis
Plus en détailObjectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique
Objectifs Clustering On ne sait pas ce qu on veut trouver : on laisse l algorithme nous proposer un modèle. On pense qu il existe des similarités entre les exemples. Qui se ressemble s assemble p. /55
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailChaînes de Markov au lycée
Journées APMEP Metz Atelier P1-32 du dimanche 28 octobre 2012 Louis-Marie BONNEVAL Chaînes de Markov au lycée Andreï Markov (1856-1922) , série S Problème 1 Bonus et malus en assurance automobile Un contrat
Plus en détail(Third-Man Attack) PASCAL BONHEUR PASCAL BONHEUR@YAHOO.FR 4/07/2001. Introduction. 1 Domain Name Server. 2 Commandes DNS. 3 Hacking des serveurs DNS
Détournement de serveur DNS (Third-Man Attack) PASCAL BONHEUR PASCAL BONHEUR@YAHOO.FR 4/07/2001 Introduction Ce document traite de la possibilité d exploiter le serveur DNS pour pirater certains sites
Plus en détailI. S. F. ET DELOCALISATIONS FISCALES UN IMPACT DIFFICILE A MESURER FAUTE D UN TABLEAU DE BORD SATISFAISANT
I. S. F. ET DELOCALISATIONS FISCALES UN IMPACT DIFFICILE A MESURER FAUTE D UN TABLEAU DE BORD SATISFAISANT Communication de M. Philippe Marini Rapporteur général I. LES DERNIERES DONNEES SUR LES DELOCALISATIONS
Plus en détailObservation et Conjoncture Économique. Économie Nationale approche par les revenus
Observation et Conjoncture Économique Économie Nationale approche par les revenus qu est ce que le Revenu? La rémunération des facteurs de production? Le capital Le travail La consommation intermédiaire
Plus en détailINTRODUCTION A LA MACROECONOMIE Séance de travaux dirigés n 4 Construction des comptes de secteur
Université Montesquieu Bordeaux IV 1 ère année Licence AES Année universitaire 2012-2013 INTRODUCTION A LA MACROECONOMIE Séance de travaux dirigés n 4 Construction des comptes de secteur Questions préliminaires
Plus en détailMise en place Active Directory / DHCP / DNS
Mise en place Active Directory / DHCP / DNS Guillaume Genteuil Période : 2014 Contexte : L entreprise Diamond Info localisé en Martinique possède une cinquantaine de salariés. Basé sur une infrastructure
Plus en détailCOURS DE DATA MINING 4 : MODELISATION NON-SUPERVISEE CLASSIFICATIONS AUTOMATIQUES
COURS DE DATA MINING 4 : MODELISATION NON-SUPERVISEE CLASSIFICATIONS AUTOMATIQUES EPF 4/ 5 ème année - Option Ingénierie d Affaires et de Projets - Finance Bertrand LIAUDET 4 : Modélisation non-supervisée
Plus en détailWindows Server 2012 R2 Failover de serveurs DHCP
Windows Server 2012 R2 Failover de serveurs DHCP Redondance de DHCP 15 MARS 2015 FOURNIER VINCENT 2BTS SIO I. Présentation La fonctionnalité de failover DHCP est nouvelle depuis Windows Server 2012, elle
Plus en détailCHAPITRE 4 MARCHES et EPARGNE
CHAPITRE 4 MARCHES et EPARGNE Section 1. Les marchés de capitaux I. Le marché financier Dans un sens plus étroit, c'est le marché où s'échangent les titres à moyen et long terme (valeurs mobilières) contre
Plus en détailINTRODUCTION AU DATA MINING
INTRODUCTION AU DATA MINING 6 séances de 3 heures mai-juin 2006 EPF - 4 ème année - Option Ingénierie d Affaires et de Projets Bertrand LIAUDET TP DE DATA MINING Le TP et le projet consisteront à mettre
Plus en détailSéance 11 : Typologies
Séance 11 : Typologies Sommaire Proc CLUSTER : Typologie hiérarchique... 3 Proc FASTCLUS : Typologie nodale... 8 Proc MODECLUS : Typologie non paramétrique... 11 - Les phénomènes observés (attitudes, comportements,
Plus en détailRéseaux IUP2 / 2005 DNS Système de Noms de Domaine
Réseaux IUP2 / 2005 DNS Système de Noms de Domaine 1 Noms symboliques Nommer les machines par un nom plutôt que par son adresse IP Chaîne de caractères Plus "naturel" Espace de noms hiérarchique plutôt
Plus en détailTendances de l insolvabilité au Canada
Tendances de l insolvabilité au Canada Ginette Trahan Directeur général, Services des relations externes Bureau du surintendant des faillites Le 16 novembre 2011 Association canadienne de la gestion de
Plus en détailObjectifs du TP : Initiation à Access
Objectifs du TP : Initiation à Access I. Introduction Microsoft Access fait partie de l ensemble Microsoft Office. C est un SGBDR (système de gestion de bases de données relationnelles) présentant une
Plus en détailPREMIERE CONFERENCE DES HAUTS RESPONSABLES CHARGES DE L ETAT CIVIL DES ETATS MEMBRES DE L OCI
REPUBLIQUE DU SENEGAL Un peuple - Un but - Une Foi ----------------- PREMIERE CONFERENCE DES HAUTS RESPONSABLES CHARGES DE L ETAT CIVIL DES ETATS MEMBRES DE L OCI TEHERAN 15-17 AVRIL 2013 Présenté par
Plus en détailQuelle part de leur richesse nationale les pays consacrent-ils à l éducation?
Indicateur Quelle part de leur richesse nationale les pays consacrent-ils à l éducation? En 2008, les pays de l OCDE ont consacré 6.1 % de leur PIB cumulé au financement de leurs établissements d enseignement.
Plus en détailPROGRAMME DU CONCOURS DE RÉDACTEUR INFORMATICIEN
PROGRAMME DU CONCOURS DE RÉDACTEUR INFORMATICIEN 1. DÉVELOPPEMENT D'APPLICATION (CONCEPTEUR ANALYSTE) 1.1 ARCHITECTURE MATÉRIELLE DU SYSTÈME INFORMATIQUE 1.1.1 Architecture d'un ordinateur Processeur,
Plus en détailCet article s attache tout d abord
Méthodes internationales pour comparer l éducation et l équité Comparaison entre pays des coûts de l éducation : des sources de financement aux dépenses Luc Brière Marguerite Rudolf Bureau du compte de
Plus en détailLa structure de la base de données et l utilisation de PAST. Musée Royal de l Afrique Centrale (MRAC Tervuren)
La structure de la base de données et l utilisation de PAST La structure de la base de données données originales SPÉCIMENS Code des spécimens: Identification des spécimens individuels. Dépend du but de
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 détailProposition d une architecture pour ebay, en mettant l accent sur les notions de scalabilité, de résilience, et de tolérance aux pannes.
PROJET «EBAY» V1 MANUEL ROLLAND, SCIA 2009, REMIS LE 7 MARS 2008 1. Rappels sur le projet : Proposition d une architecture pour ebay, en mettant l accent sur les notions de scalabilité, de résilience,
Plus en détailRectificatif 2 VOLUME I. Page 45 Tableau 1.4.1 Pour la classe 7, remplacer "type B" par "de type B(U) ou de Type B(M)".
RECTIFICATIF Ref. Sales No : F.03.VIII.5 (ST/SG/AC.10/1/Rev.13) Décembre 2004 New York et Genève RECOMMANDATIONS RELATIVES AU TRANSPORT DES MARCHANDISES DANGEREUSES Règlement type (Treizième édition révisée)
Plus en détailDeuxième Licence en Informatique Data Warehousing et Data Mining La Classification - 1
Deuxième Licence en Informatique Data Warehousing et Data Mining La Classification - 1 V. Fiolet Université de Mons-Hainaut 2006-2007 Nous allons aujourd hui nous intéresser à la tâche de classification
Plus en détailRecettes de fonctionnement et capacité d'épargne
1 - Recettes réelles de fonctionnement/population Recettes réelles de fonctionnement : total des recettes de la colonne mouvements réels de la balance générale en section de fonctionnement. Evaluation
Plus en détailBig Data et Prévisions. Philippe Picard, le 24 juin 2015. Page 1
Big Data et Prévisions Philippe Picard, le 24 juin 2015. Page 1 Vous dites prévisions et prédictions? Neptune Météo Marées Boson de Higgs Loto PMU Economie Sismique + Nostradamus _ Philippe Picard, le
Plus en détailSpécificités, Applications et Outils
Spécificités, Applications et Outils Ricco Rakotomalala Université Lumière Lyon 2 Laboratoire ERIC Laboratoire ERIC 1 Ricco Rakotomalala ricco.rakotomalala@univ-lyon2.fr http://chirouble.univ-lyon2.fr/~ricco/data-mining
Plus en détailBases de données Cours 1 : Généralités sur les bases de données
Cours 1 : Généralités sur les bases de données POLYTECH Université d Aix-Marseille odile.papini@univ-amu.fr http://odile.papini.perso.esil.univmed.fr/sources/bd.html Plan du cours 1 1 Qu est ce qu une
Plus en détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
Plus en détailwww.habefast.ch contact@habefast.ch Agence web en Suisse romande CH-1260 Nyon 022 362 25 70
1 By Agence web en Suisse romande 2 Qu est ce qu est le SEO? Le référencement naturel ou SEO (Search Engine Optimisation) est une pratique qui, comme son nom l indique, permet d optimiser un site web pour
Plus en détailAccidents à un seul véhicule sans piéton
Accidents à un seul véhicule sans piéton Synthèse Les données utilisées pour cette fiche sont plus particulièrement issues de l Observatoire National Interministériel de la Sécurité Routière (ONISR) dont
Plus en détailDépenses nationales totales 3.0 3.4 2.3
Chiffres clés pour l'économie belge Pourcentages de variation en volume - sauf indications contraires Dépenses de consommation finale des particuliers 2.0 2.6 1.4 Dépenses de consommation finale des pouvoirs
Plus en détailGestion du budget familial-1
Gestion du budget familial-1 Qu est-ce qu un budget? A quoi cela sert-il? C est un plan prévisionnel qui nous sert à bien gérer notre argent dans le temps. Le budget est un tableau qui enregistre pour
Plus en détailESIEA PARIS 2011-2012
ESIEA PARIS 2011-2012 Examen MAT 5201 DATA MINING Mardi 08 Novembre 2011 Première Partie : 15 minutes (7 points) Enseignant responsable : Frédéric Bertrand Remarque importante : les questions de ce questionnaire
Plus en détailLa persistance des nombres
regards logique & calcul La persistance des nombres Quand on multiplie les chiffres d un nombre entier, on trouve un autre nombre entier, et l on peut recommencer. Combien de fois? Onze fois au plus...
Plus en détailFaire un semi variograme et une carte krigée avec surfer
Faire un semi variograme et une carte krigée avec surfer Jérôme Mathieu http://www.jerome.mathieu.freesurf.fr avril 2004 Fichier de données Faire un fichier excel avec les données organisée en colonnes:
Plus en détailÉvaluation et recommandations
ÉVALUATION ET RECOMMANDATIONS 13 Évaluation et recommandations Les personnes souffrant de troubles mentaux s intègrent mal sur le marché du travail. En Belgique, par rapport aux personnes qui ont une bonne
Plus en détailLES SCPI CHEZ SPIRICA Description et méthodes de valorisation MARS 2013
1 LES SCPI CHEZ SPIRICA Description et méthodes de valorisation MARS 2013 2 Sommaire Contexte et objectifs 3 Les Principales Caractéristiques des SCPI 4 Les SCPI dans un contrat Spirica 13 Exemple de calculs
Plus en détailTéléphonie Cisco. - CME Manager Express = Logiciel dans un routeur, version simplifiée du call manager.
Téléphonie Cisco I) Généralités Serveur de téléphonie: Call Manager CM et Call Manager Express ( CME ) - CM Call Manager = Logiciel sur un PC externe - CME Manager Express = Logiciel dans un routeur, version
Plus en détailTitre. Attestation relative au portage salarial. Objet CIRCULAIRE N 2011-33 DU 7 NOVEMBRE 2011. Direction des Affaires Juridiques INST0026-ACE/JBB
CIRCULAIRE N 2011-33 DU 7 NOVEMBRE 2011 Direction des Affaires Juridiques INST0026-ACE/JBB Titre Attestation relative au portage salarial Objet Transmission de l attestation relative au portage salarial
Plus en détailles derniers salaires qui comptent
1Ce sont les derniers salaires qui comptent Le montant de l allocation d aide au retour à l emploi est calculé sur la base du «salaire journalier de référence» établi à partir des rémunérations perçues
Plus en détailSocles de compétences de. mathématiques. Enseignement secondaire 1 er degré
Enseignant Choisir un compte d épargne I Socles de compétences de mathématiques Enseignement secondaire 1 er degré COMPTE D'ÉPARGNE + INTÉRÊT ALEX 230 Porte d entrée Banque Compétences Opérer et fractionner
Plus en détailCotisations et points de la retraite complémentaire. n o 3
Guide retraite complémentaire Agirc et Arrco Cotisations et points de la retraite complémentaire Guide salariés n o 3 avril 2014 Cotisations et points de la retraite complémentaire Sommaire La retraite,
Plus en détailGuide d implémentation. Réussir l intégration de Systempay
Guide d implémentation - Interface avec la plateforme de paiement - Réussir l intégration de Systempay Version 1.4b Rédaction, Vérification, Approbation Rédaction Vérification Approbation Nom Date/Visa
Plus en détailASSISES REGIONALES 2014 A AUBAGNE
SECTION PROVENCE ASSISES REGIONALES 2014 A AUBAGNE 26 et 27 septembre 2014 DOSSIER D INSCRIPTION Programme intellectuel du Vendredi 26 septembre 2014 «La responsabilité civile et pénale des cadres territoriaux
Plus en détailANNEXE N 13 : Bilan et compte de résultat M4
409 ANNEXE N 13 : Bilan et compte de résultat M4 Les tableaux suivants présentent les éléments nécessaires à la confection des documents de synthèse figurant au compte de gestion. Ils permettent d associer
Plus en détailL autonomie financière du Conseil général de l Hérault
Colloque des 6 et 7 juin 2013 > L autonomie financière du Conseil général de l Hérault Table ronde sur l autonomie financière comparée de 3 collectivité: une Région, un Département et une Communauté urbaine.
Plus en détail6. Hachage. Accès aux données d'une table avec un temps constant Utilisation d'une fonction pour le calcul d'adresses
6. Hachage Accès aux données d'une table avec un temps constant Utilisation d'une fonction pour le calcul d'adresses PLAN Définition Fonctions de Hachage Méthodes de résolution de collisions Estimation
Plus en détailBurkina Faso Profil pays EPT 2014
Burkina Faso Profil pays EPT 14 Contexte général Situé au cœur de l Afrique occidentale, dans la boucle du Niger, le Burkina Faso est l un pays des pays les plus peuplés de la sous-région Ouest-africaine
Plus en détailLogistique, Transports
Baccalauréat Professionnel Logistique, Transports 1. France, juin 2006 1 2. Transport, France, juin 2005 2 3. Transport, France, juin 2004 4 4. Transport eploitation, France, juin 2003 6 5. Transport,
Plus en détailLe 14 mars 2012. Par Isabelle Brière, conseillère en relations du travail
Le 14 mars 2012 Par Isabelle Brière, conseillère en relations du travail Introduction PLAN DE LA PRÉSENTATION Partie 1 : Loi sur les normes du travail et la convention collective Partie 2 : Échelles de
Plus en détailLa fumée de tabac secondaire (FTS) en Mauricie et au Centre-du- Québec, indicateurs du plan commun tirés de l ESCC de 2007-2008
La fumée de tabac secondaire (FTS) en Mauricie et au Centre-du- Québec, indicateurs du plan commun tirés de l ESCC de 2007-2008 Ce document se veut une analyse succincte des indicateurs se rapportant à
Plus en détailacpro SEN TR firewall IPTABLES
B version acpro SEN TR firewall IPTABLES du 17/01/2009 Installation du routeur firewall iptables Nom : Prénom : Classe : Date : Appréciation : Note : Objectifs : - Être capable d'installer le service de
Plus en détailC.R.T. Informatique 4,1 M (2014) 40% 20% 15% 15% 10% 25 ANS 17 EMPLOYES 2 AGENCES 5 DATACENTERS OPERATEUR RESEAU INFOGERANCE MAINTENANCE DEVELOPPEMENT
C.R.T. Informatique 25 ANS 17 EMPLOYES 2 AGENCES 5 DATACENTERS 4,1 M (2014) 40% 20% 15% 15% 10% OPERATEUR RESEAU INFOGERANCE MAINTENANCE DEVELOPPEMENT Zebra Technologies Sommaire Conception de la solution
Plus en détailSystème de Stockage Sécurisé et Distribué
Système de Stockage Sécurisé et Distribué Philippe Boyon philippe.boyon@active-circle.com ACTIVE CIRCLE QUI SOMMES NOUS? Editeur français, spécialiste du stockage de fichiers et de la gestion de données
Plus en détailCESI Bases de données
CESI Bases de données Introduction septembre 2006 Bertrand LIAUDET EPF - BASE DE DONNÉES - septembre 2005 - page 1 PRÉSENTATION GÉNÉRALE 1. Objectifs généraux L objectif de ce document est de faire comprendre
Plus en détailDÉCLARATION ANNUELLE DE REVENUS FAMILIAUX DES OCCUPANTS POUR L ANNÉE CIVILE 2014
Nom du développement : Référence DHCR : DÉCLARATION ANNUELLE DE REVENUS FAMILIAUX DES OCCUPANTS POUR L ANNÉE CIVILE 2014 Nom - Chef de ménage : Adresse : Bât n : App. n : Téléphone en journée : ( ) Remplissez
Plus en détailTraitement numérique de l'image. Raphaël Isdant - 2009
Traitement numérique de l'image 1/ L'IMAGE NUMÉRIQUE : COMPOSITION ET CARACTÉRISTIQUES 1.1 - Le pixel: Une image numérique est constituée d'un ensemble de points appelés pixels (abréviation de PICture
Plus en détailMicrosoft Excel : tables de données
UNIVERSITE DE LA SORBONNE NOUVELLE - PARIS 3 Année universitaire 2000-2001 2ème SESSION SLMD2 Informatique Les explications sur la réalisation des exercices seront fournies sous forme de fichiers informatiques.
Plus en détailIdentification de nouveaux membres dans des familles d'interleukines
Identification de nouveaux membres dans des familles d'interleukines Nicolas Beaume Jérôme Mickolajczak Gérard Ramstein Yannick Jacques 1ère partie : Définition de la problématique Les familles de gènes
Plus en détail