Utilisation des tableaux sémantiques dans les logiques de description

Dimension: px
Commencer à balayer dès la page:

Download "Utilisation des tableaux sémantiques dans les logiques de description"

Transcription

1 Utilisation des tableaux sémantiques dans les logiques de description IFT6281 Web Sémantique Jacques Bergeron Département d informatique et de recherche opérationnelle Université de Montréal Mars 2011

2 But de la présentation Faire le lien entre web sémantique et raisonnement automatique. Présenter un algorithme intuitif illustrant comment on peut faire raisonner un ordinateur. Exemple: algorithme quick sort vs problème du tri

3 Plan de la présentation But de la présentation Lien avec raisonnement automatique Concept de méthode de preuve Méthode des tableaux sémantiques Exemples de tableaux Logiques de description Conclusion

4 Lien avec raisonnement automatique OWL - web ontology language Langage déclaratif langage de programmation. Hypothèse du monde ouvert une base de données. Plusieurs caractéristiques des classes et des individus doivent être déduites à partir des descriptions. Ces déductions sont réalisés à l aide du raisonnement automatique.

5 Exemple simple Une pizza dont aucun ingrédient n est de la viande est une pizza végétarienne. Le fromage, les légumes et les épices ne sont pas de la viande. Le mozzarella est un fromage et rien d autre. Les tomates sont des légumes et rien d autre. La basilic est une épice et rien d autre. Une pizza margarita a comme ingrédients du mozzarella, des tomates, de la basilic et rien d autre. Donc une pizza margarita est une pizza végétarienne. Le donc est la partie raisonnement automatique et ne sera pas spécifié dans l ontologie des pizzas.

6 Reasoner Définition personnelle Technologie permettant d appliquer une méthode de preuve à un énoncé, formulé dans une logique particulière, dans le but de déterminer si cet énoncé est valide dans le contexte d une base de connaissances spécifique. (Racer, Pellet, FaCT++, etc). Services de raisonnement Dans un reasoner, ces tests de validité sont effectués plusieurs fois pour obtenir des résultats sur l ensemble de la base de connaissances (p. ex. construire le treillis de subsomption des classes). Concepts Logique Validité des énoncés Implication logique Méthode de preuve Base de connaissances

7 Logiques Une logique est un système formel comprenant : Un alphabet définissant les symboles utilisés. Une grammaire définissant de façon récursive les formules syntaxiquement correctes construites à partir de l alphabet. Une liste de schémas axiomatiques. Une liste de règles d inférences permettant de construire des énoncés valides à partir d autres énoncés valides (ex. Modus ponens).

8 Logiques Il existe plusieurs logiques : Logique des propositions Logique des prédicats du premier ordre Logique des prédicats du second ordre Logiques modales Logiques non-monotones Logiques de descriptions... À chacune de ces logiques on peut appliquer une ou plusieurs méthodes de preuve.

9 Validité d un énoncé Un énoncé est une formule syntaxiquement correcte d une logique. Une interprétation est l affectation de valeurs aux variables d une logique ou d une base de connaissance. Un énoncé est dit valide s il est vrai pour toutes les interprétations possibles. Par exemple, en logique propositionnelle un énoncé dont chaque ligne de la table est vrai est un énoncé valide. Autre exemple : si A est une variable booléenne alors A A est vrai peu importe la valeur de A. On dit alors que A A est valide. La validité des énoncés est importante pour permettre l hypothèse du monde ouvert.

10 Méthode de preuve Approche systématique pour démontrer si un énoncé, d une logique particulière, est valide ou non Elle est complète si elle permet de vérifier la validité de tous les énoncés valides dans la logique correspondante. Elle est valide si tous les énoncés qu elle déclare valides sont effectivement valides dans la logique correspondante.

11 Méthodes de preuve On parle de familles avec chacune plusieurs variantes Axiomatiques (Frege / Hilbert à 1934) Déduction naturelle (Gentzen ) Calcul des séquents (Gentzen ) Tableaux sémantiques (Beth ) Résolution (Robinson ) Inverse method (Maslov ) Connexions (Bibel 1974)...

12 Caractéristiques des méthodes Quelques remarques Certaines méthodes peuvent s appliquer à plusieurs logiques Les méthodes traditionnelles sont dites constructives car elles vont des axiomes vers les énoncés Les méthodes constructives sont très difficiles à mécaniser car pour prouver un énoncé on doit remonter de l énoncé vers les axiomes

13 Caractéristiques des méthodes Exemple: La déduction naturelle C est la façon normalement utilisée par les humains Elle est fortement basée sur le Modus ponens (si on sait A et on sait que A B alors on peut conclure B). Pour montrer B on doit remonter vers les axiomes en trouvant un A plus facile à démontrer que B. On pose A en hypothèse puis on montre que A B. On recommence avec A jusqu à ce que qu on remonte aux axiomes ou à un théorème déjà prouvé Le problème est évidemment de trouver les étapes intermédiaires. On ne peut pas encore coder ce genre d intuition dans un programme. Donc, on ne peut pas faire raisonner un ordinateur en suivant la déduction naturelle.

14 Caractéristiques des méthodes Quelques remarques - suite Les méthodes plus récentes ont été créées spécifiquement pour l automatisation. Elles remontent donc de l énoncé vers les axiomes La plus utilisée est la Résolution (et ses variantes) Le problème est que le lien entre la méthode de preuve et la logique n est pas évident.

15 Caractéristiques des méthodes Calcul des séquents Le calcul des séquents est constructif (axiomes vers énoncés) mais n utilise que des constructeurs qui combinent des énoncés (pas de modus ponens). Chaque constructeur a une opération inverse qui va de l énoncé vers les axiomes. Gentzen, dans les années 1930, a donc réussi à construire une méthode de preuve monotone. C est cette idée qui a été reprise dans la méthode des tableaux sémantiques.

16 Méthode des tableaux dynamiques Concept Preuve par contradiction (si la négation de l énoncé est impossible alors l énoncé est valide) On exécute le calcul des séquents à l envers (de l énoncé vers les axiomes) S applique à toute logique pour laquelle on peut définir un ensemble de constructeurs monotones croissants c est-à-dire ayant des opérations inverses qui décomposent progressivement un énoncé. Comme on ne peut pas décomposer plus fin que les axiomes, on sera certain de finir en appliquant un nombre restreint d opérations possibles (si une preuve existe)

17 Méthode des tableaux sémantiques Étapes 1. Faire la négation d un énoncé 2. Phase d expansion du tableau. On applique les règles d expansion (de déconstruction ) chaque branche est une conjonction certaines règles vont créer de nouvelles branches on arrête de développer une branche quand aucune règle n est applicable les feuilles sont des axiomes 3. On essaie de fermer les branches (trouver des contradictions)

18 Méthode des tableaux sémantiques Arrêt Si on ferme toutes les branches La négation de l énoncé est impossible Donc l énoncé est valide Si une branche reste ouverte Elle donne un exemple de la négation de l énoncé Donc au moins un contre-exemple de l énoncé existe Donc l énoncé n est pas valide

19 Méthode des tableaux sémantiques Pour chaque logique Définir comment faire la négation d un énoncé Définir les règles d expansion (de déconstruction) relatives à chaque constructeur Montrer que le facteur de branchement lors de la création des branches est fini Montrer que les règles sont bien monotones décroissantes Définir les règles de fermeture des branches Prouver la complétude et la validité de ces règles en regard de la logique concernée.

20 On utilise une logique simple Constructeurs Négation : A avec signification habituelle Implication : A B avec signification habituelle Négation d énoncé On ajoute un signe (T ou F ) à chaque énoncé ex. FX veut dire intuitivement que l on assume que X est Faux Règles d expansion T A FA i.e. T A T A FA F A TA T (A B) FA TB F (A B) TA FB Conditions de fermeture Fermer la branche si contradiction i.e. TX FX

21 Premier exemple Est-ce que l énoncé (X Y ) ((X Y ) X ) est valide? C est-à-dire vrai pour toutes affectations à X et Y

22 Exemple valide F (X Y ) ((X Y ) X ) Préliminaire Ajouter le signe F à l énoncé

23 Exemple valide - 1 Règle F (A B) TA FB 1 F (X Y ) ((X Y ) X ) 2 TX Y 3 F (X Y ) X

24 Exemple valide - 2 Règle F (A B) TA FB 1 F (X Y ) ((X Y ) X ) 2 TX Y 3 F (X Y ) X 4 TX Y 5 F X

25 Exemple valide F (X Y ) ((X Y ) X ) 2 TX Y 3 F (X Y ) X Règle F A TA 4 TX Y 5 F X 6 TX

26 Exemple valide F (X Y ) ((X Y ) X ) 2 T X Y 3 F (X Y ) X 4 TX Y 5 F X 6 TX 7 FX 8 TY Règle T (A B) FA TB

27 Exemple valide F (X Y ) ((X Y ) X ) 2 TX Y 3 F (X Y ) X 4 TX Y 5 F X 6 TX 7 FX Fermeture de branche 8 TY

28 Exemple valide F (X Y ) ((X Y ) X ) 2 TX Y 3 F (X Y ) X 4 T X Y 5 F X 6 TX 7 FX 8 TY Règle T (A B) FA TB 9 FX 10 T Y

29 Exemple valide F (X Y ) ((X Y ) X ) 2 TX Y 3 F (X Y ) X 4 TX Y 5 F X 6 TX 7 FX Fermeture de branche 8 TY 9 FX 10 T Y

30 Exemple valide - 8 Règle T A FA 1 F (X Y ) ((X Y ) X ) 2 TX Y 3 F (X Y ) X 4 TX Y 5 F X 6 TX 7 FX 8 TY 9 FX 10 T Y 11 FY

31 Exemple valide F (X Y ) ((X Y ) X ) 2 TX Y 3 F (X Y ) X 4 TX Y 5 F X 6 TX 7 FX 8 TY 9 FX Fermeture de branche 10 T Y 11 FY

32 Exemple valide F (X Y ) ((X Y ) X ) 2 TX Y 3 F (X Y ) X 4 TX Y 5 F X 6 TX 7 FX 8 TY 9 FX Toutes les branches sont fermées La négation est impossible L énoncé est valide 10 T Y 11 FY

33 Deuxième exemple Est-ce que l énoncé (X Y ) (( X Y ) Y ) est valide? C est-à-dire vrai pour toutes affectations à X et Y

34 Exemple non-valide 1 F (X Y ) (( X Y ) Y ) 2 TX Y 3 F ( X Y ) Y 4 T X Y 5 FY 6 FX 7 TY 8 F X 9 T Y 10 TX 11 FY Résultat : 1 2, 3; 3 4, 5; 2 6, 7; ferme7; 4 8, 9; 8 10; ferme10; 9 11 Une branche n est pas fermée On a un contre-exemple X = F, Y = F L énoncé n est pas valide

35 Logiques de description Avant 1991 Origine des réseaux sémantiques (hiéarchies de généralisation / spécialisations) Origine aussi des frames (rôles correspondent aux slots ) Système KL-ONE (début des années 80) Utilisées par Brachman et Levesque (1985) pour montrer que la complexité des inférences dépend des constructeurs de chaque logique Méthodes de preuve basées sur la subsomption structurelle des graphes

36 Connexion avec les tableaux sémantiques Article de Schmidt-Schauβ et Smolka en 1991 Publié dans Articifial Intelligence Journal S applique à la logique ALC On définit formellement les logiques de description Méthode de preuve basée sur les tableaux sémantiques On donne les 6 règles de propagation de base On précise les règles de fermeture On démontre que c est une procédure complète et valide

37 Connexion avec les logiques modales Quelques mois plus tard... La logique de description ALC est montrée équivalente à la logique modale K L algorithme de Schmidt-Schauβ et Smolka est en fait une reformulation de la méthode des tableaux sémantiques déjà utilisée pour la logique modale K

38 Extensions Test de l appartenance d un individu à une classe Inclusion sans équivalence Fermeture transitive (hierarchies de rôles) Services plus complexes Construire la hiérarchie des classes Identifier tous les individus appartenant à une classe......

39 Remarque sur la complexité La méthode devient exponentielle par rapport à la grosseur de l énoncé pour plusieurs logiques. Une ontologie va produire de très gros énoncés. On ne veut pas que les utilisateurs aient à se soucier de la façon dont le raisonnement automatique est effectué. On doit donc restreindre les constructions du langage à des patrons pour lesquels on peut gérer la complexité. La grande réussite des logiques de description est de permettre des constructions assez puissantes pour être utiles sans perdre le contrôle au niveau de la complexité.

40 Détails des logiques de description (LD) Normalement la suite serait : D identifier les 6 constructeurs de base De décrire les 6 règles de propagation de base De décire les conditions de fermeture De montrer que la propagation converge pour ces règles De montrer des exemples de preuves en LD D analyse la complexité du processus D analyser chacune des extensions De décrire les nouvelles approches étudiées qui pourraient éventuellement remplacer l utilisation des tableaux sémantiques pour les LD... Mais le temps ne nous le permet évidemment pas

41 Références The Description Logics Handbook Chap 1 - An Introduction to Description Logics - D. Nardi et R.J. Brachman Chap 2 - Basic Description Logics - F. Baader et W. Nuit Handbook of Tableaux Methods Chap Introduction - M. Fitting Handbook of Logic in AI and Logic Programming Chap 2 - First Order Logic - M. Davis Chap 3 - Methods and calculi for deduction - W. Bibel et E. Eder Handbook of Knowledge Representation Chap 1 - Knowledge Representation and Classical Logic - V. Lifschitz, L. Morgenstern et D. Plaisted Chap 6 - Nonmonotonic Reasoning - G. Brewka, I. Niemela et M. Truszczynski First Order Logic and Automated Theorem Proving, 1996, Melvin Fitting

42 Conclusion Le web sémantique utilise les logiques de description, donc du raisonnement automatique, pour déduire des relations dans les ontologies. La méthode de preuve utilisée (tableaux sémantiques) permet une description intuitive du mécanisme de base des reasoners.

Image d un intervalle par une fonction continue

Image d un intervalle par une fonction continue DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction

Plus en détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 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 détail

Évaluation et implémentation des langages

Évaluation 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 détail

Logique. Plan du chapitre

Logique. 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 détail

Intelligence artificielle appliquée à l automatique

Intelligence artificielle appliquée à l automatique Intelligence artificielle appliquée à l automatique par Sylviane GENTIL Professeur à l École nationale supérieure d ingénieurs électriciens Institut national polytechnique de Grenoble 1. Définitions et

Plus en détail

Grandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test

Grandes 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 détail

Limites finies en un point

Limites finies en un point 8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,

Plus en détail

LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN

LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN Les contenues de ce document sont la propriété exclusive de la société REVER. Ils ne sont transmis qu à titre d information et ne peuvent en aucun cas

Plus en détail

Calculabilité 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/ 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 détail

Bases de données Cours 5 : Base de données déductives

Bases de données Cours 5 : Base de données déductives Cours 5 : ESIL Université de la méditerranée Odile.Papini@esil.univmed.fr http://odile.papini.perso.esil.univmed.fr/sources/bd.html Plan du cours 1 Introduction 2 approche sémantique approche axiomatique

Plus en détail

Continuité d une fonction de plusieurs variables

Continuité d une fonction de plusieurs variables Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs

Plus en détail

Théorème du point fixe - Théorème de l inversion locale

Théorème du point fixe - Théorème de l inversion locale Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion

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

Calcul différentiel. Chapitre 1. 1.1 Différentiabilité

Calcul différentiel. Chapitre 1. 1.1 Différentiabilité Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace

Plus en détail

Logique : ENSIIE 1A - contrôle final

Logique : 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 détail

Cours de Master Recherche

Cours de Master Recherche Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction

Plus en détail

Commun à tous les candidats

Commun à tous les candidats EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle

Plus en détail

Leçon 01 Exercices d'entraînement

Leçon 01 Exercices d'entraînement Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =

Plus en détail

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante

Plus en détail

Fondements de l informatique Logique, modèles, et calculs

Fondements 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 détail

SOCLE 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 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 détail

Proposition de sujet de thèse CIFRE EUROCOPTER / LGI2P

Proposition de sujet de thèse CIFRE EUROCOPTER / LGI2P EUROCOPTER SAS Groupe EADS Marignane Ecole des Mines d Alès Laboratoire de Génie Informatique et d Ingénierie de Production LGI2P Nîmes Proposition de sujet de thèse CIFRE EUROCOPTER / LGI2P Titre Domaine

Plus en détail

Resolution limit in community detection

Resolution limit in community detection Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.

Plus en détail

CHOIX OPTIMAL DU CONSOMMATEUR. A - Propriétés et détermination du choix optimal

CHOIX OPTIMAL DU CONSOMMATEUR. A - Propriétés et détermination du choix optimal III CHOIX OPTIMAL DU CONSOMMATEUR A - Propriétés et détermination du choix optimal La demande du consommateur sur la droite de budget Résolution graphique Règle (d or) pour déterminer la demande quand

Plus en détail

3 Approximation de solutions d équations

3 Approximation de solutions d équations 3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle

Plus en détail

La demande Du consommateur. Contrainte budgétaire Préférences Choix optimal

La demande Du consommateur. Contrainte budgétaire Préférences Choix optimal La demande Du consommateur Contrainte budgétaire Préférences Choix optimal Plan du cours Préambule : Rationalité du consommateur I II III IV V La contrainte budgétaire Les préférences Le choix optimal

Plus en détail

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy

Plus en détail

Chp. 4. Minimisation d une fonction d une variable

Chp. 4. Minimisation d une fonction d une variable Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie

Plus en détail

Réalisabilité et extraction de programmes

Réalisabilité 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 détail

Théorèmes de Point Fixe et Applications 1

Théorèmes de Point Fixe et Applications 1 Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des

Plus en détail

Systèmes déductifs DEA D INFORMATIQUE UNIVERSITÉ BORDEAUX 1. Systèmes déductifs (Retoré) Plan Début Fin Préc. Suiv.

Systèmes déductifs DEA D INFORMATIQUE UNIVERSITÉ BORDEAUX 1. Systèmes déductifs (Retoré) Plan Début Fin Préc. Suiv. Systèmes déductifs DEA D INFORMATIQUE UNIVERSITÉ BORDEAUX 1 Plan 1 Liens avec d autres domaines de l informatique............... 3 2 La déduction naturelle de base (conjonction, implication)....... 4 3

Plus en détail

Problèmes de Mathématiques Filtres et ultrafiltres

Problèmes de Mathématiques Filtres et ultrafiltres Énoncé Soit E un ensemble non vide. On dit qu un sous-ensemble F de P(E) est un filtre sur E si (P 0 ) F. (P 1 ) (X, Y ) F 2, X Y F. (P 2 ) X F, Y P(E) : X Y Y F. (P 3 ) / F. Première Partie 1. Que dire

Plus en détail

Informatique Machines à calculer en théorie et en pratique

Informatique 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 détail

Continuité et dérivabilité d une fonction

Continuité et dérivabilité d une fonction DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité

Plus en détail

Continuité en un point

Continuité en un point DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à

Plus en détail

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Dualité dans les espaces de Lebesgue et mesures de Radon finies Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention

Plus en détail

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications

Université 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 détail

Rappels sur les suites - Algorithme

Rappels sur les suites - Algorithme DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................

Plus en détail

Jade. Projet Intelligence Artificielle «Devine à quoi je pense»

Jade. 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 détail

Chapitre 2. Eléments pour comprendre un énoncé

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 détail

Propriétés du Document EMA. Résumé

Propriétés du Document EMA. Résumé Propriétés du Document Source du Document FSN OpenPaaS Titre du Document Définition et exploitation d un référentiel de processus collaboratifs : Rapport de synthèse quant aux référentiels existants Module(s)

Plus en détail

Formula Negator, Outil de négation de formule.

Formula Negator, Outil de négation de formule. Formula Negator, Outil de négation de formule. Aymerick Savary 1,2, Mathieu Lassale 1,2, Jean-Louis Lanet 1 et Marc Frappier 2 1 Université de Limoges 2 Université de Sherbrooke Résumé. Cet article présente

Plus en détail

Équations non linéaires

Équations non linéaires Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et

Plus en détail

Knowledge Enabled Real-Time Recommendation System

Knowledge Enabled Real-Time Recommendation System Knowledge Enabled Real-Time Recommendation System Syed Gillani, Jules Chevalier syed.gillani@univ-st-etienne.fr jules.chevalier@univ-st-etienne.fr Institut Henri Fayol, École des Mines de Saint-Étienne

Plus en détail

Raisonnement par récurrence Suites numériques

Raisonnement par récurrence Suites numériques Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.

Plus en détail

Quelques algorithmes simples dont l analyse n est pas si simple

Quelques 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 détail

Grammaires d unification

Grammaires d unification Cours sur le traitement automatique des langues (IV) Violaine Prince Université de Montpellier 2 LIRMM-CNRS Grammaires d unification Grammaire catégorielle Grammaire syntagmatique généralisée (GPSG) Les

Plus en détail

1ère partie Nadine Cullot. Bases de données déductives. Bases de données déductives Introduction et Motivation

1ère partie Nadine Cullot. Bases de données déductives. Bases de données déductives Introduction et Motivation Master STIC «Image Informatique et Ingénierie» Module Informatique Modèles de représentation - 10h CM Nadine Cullot Kokou Yétongnon nadine.cullot@u-bourgogne.fr kokou.yetongnon@u-bourgogne.fr 1ère partie

Plus en détail

Tâche complexe produite par l académie de Clermont-Ferrand. Mai 2012 LE TIR A L ARC. (d après une idée du collège des Portes du Midi de Maurs)

Tâche complexe produite par l académie de Clermont-Ferrand. Mai 2012 LE TIR A L ARC. (d après une idée du collège des Portes du Midi de Maurs) (d après une idée du collège des Portes du Midi de Maurs) Table des matières Fiche professeur... 2 Fiche élève... 5 1 Fiche professeur Niveaux et objectifs pédagogiques 5 e : introduction ou utilisation

Plus en détail

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015 Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k

Plus en détail

CCI Génie Logiciel UFR - IMA. Objectifs du cours d'aujourd'hui. Génie Logiciel Validation par le test. Qu est-ce que tester un programme?

CCI Génie Logiciel UFR - IMA. Objectifs du cours d'aujourd'hui. Génie Logiciel Validation par le test. Qu est-ce que tester un programme? Validation par le test Objectifs du cours d'aujourd'hui Donner des réponses aux questions suivantes : Lydie du Bousquet 2 Qu est-ce que tester un programme? Exercice 1 : Inscrivez sur une feuille ce que

Plus en détail

6. Les différents types de démonstrations

6. 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 détail

Baccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé

Baccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H

Plus en détail

Espérance conditionnelle

Espérance conditionnelle Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle

Plus en détail

1 de 46. Algorithmique. Trouver et Trier. Florent Hivert. Mél : Florent.Hivert@lri.fr Page personnelle : http://www.lri.fr/ hivert

1 de 46. Algorithmique. Trouver et Trier. Florent Hivert. Mél : Florent.Hivert@lri.fr Page personnelle : http://www.lri.fr/ hivert 1 de 46 Algorithmique Trouver et Trier Florent Hivert Mél : Florent.Hivert@lri.fr Page personnelle : http://www.lri.fr/ hivert 2 de 46 Algorithmes et structures de données La plupart des bons algorithmes

Plus en détail

Algorithmique et Programmation Fonctionnelle

Algorithmique et Programmation Fonctionnelle Algorithmique et Programmation Fonctionnelle RICM3 Cours 9 : Lambda-calcul Benjamin Wack Polytech 2014-2015 1 / 35 La dernière fois Typage Polymorphisme Inférence de type 2 / 35 Plan Contexte λ-termes

Plus en détail

Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT

Exercices 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 détail

Le modèle standard, SPE (1/8)

Le modèle standard, SPE (1/8) Le modèle standard, SPE (1/8) Rappel : notion de grammaire mentale modulaire Les composants de la grammaire : module phonologique, sémantique syntaxique Syntaxe première : elle orchestre la relation mentale

Plus en détail

Pôle de Dakar S IMUL ATIONS. 1 Utiliser un taux d accroissement pour une simulation

Pôle de Dakar S IMUL ATIONS. 1 Utiliser un taux d accroissement pour une simulation FORMULAIRE ATELIER S IMUL ATIONS 1 Utiliser un taux d accroissement pour une simulation La projection de certaines variables se base sur une hypothèse de taux de croissance annuelle régulier et constant.

Plus en détail

I. Ensemble de définition d'une fonction

I. Ensemble de définition d'une fonction Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux

Plus en détail

Soit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée.

Soit la fonction affine qui, pour représentant le nombre de mois écoulés, renvoie la somme économisée. ANALYSE 5 points Exercice 1 : Léonie souhaite acheter un lecteur MP3. Le prix affiché (49 ) dépasse largement la somme dont elle dispose. Elle décide donc d économiser régulièrement. Elle a relevé qu elle

Plus en détail

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration et probabilités TD1 Espaces mesurés Corrigé Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.

Plus en détail

Premiers exercices d Algèbre. Anne-Marie Simon

Premiers exercices d Algèbre. Anne-Marie Simon Premiers exercices d Algèbre Anne-Marie Simon première version: 17 août 2005 version corrigée et complétée le 12 octobre 2010 ii Table des matières 1 Quelques structures ensemblistes 1 1.0 Ensembles, relations,

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

Objectifs 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 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 détail

Contradicting Beliefs and Communication. J.-M. Tallon, J.-C. Vergnaud, & S. Zamir CNRS-EUREQua

Contradicting Beliefs and Communication. J.-M. Tallon, J.-C. Vergnaud, & S. Zamir CNRS-EUREQua Contradicting Beliefs and Communication J.-M. Tallon, J.-C. Vergnaud, & S. Zamir CNRS-EUREQua Introduction Papier propose : Considère structure de Kripke (KD45 au lieu de S5) Processus de communication

Plus en détail

Initiation à l algorithmique

Initiation à l algorithmique Informatique S1 Initiation à l algorithmique procédures et fonctions 2. Appel d une fonction Jacques TISSEAU Ecole Nationale d Ingénieurs de Brest Technopôle Brest-Iroise CS 73862-29238 Brest cedex 3 -

Plus en détail

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

Modèles 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 détail

Processus aléatoires avec application en finance

Processus aléatoires avec application en finance Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et

Plus en détail

Manuel d utilisation 26 juin 2011. 1 Tâche à effectuer : écrire un algorithme 2

Manuel 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 détail

Cours 1 : Qu est-ce que la programmation?

Cours 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 détail

Théorie des Langages

Théorie des Langages Théorie des Langages Analyse syntaxique descendante Claude Moulin Université de Technologie de Compiègne Printemps 2010 Sommaire 1 Principe 2 Premiers 3 Suivants 4 Analyse 5 Grammaire LL(1) Exemple : Grammaire

Plus en détail

Apprentissage. Intelligence Artificielle NFP106 Année 2012-2013. Plan. Apprentissage. Apprentissage

Apprentissage. Intelligence Artificielle NFP106 Année 2012-2013. Plan. Apprentissage. Apprentissage Intelligence Artificielle NFP106 Année 2012-2013 Apprentissage! F.-Y. Villemin! Plan! Apprentissage! Induction! Règles d'inférence inductive! Apprentissage de concepts!! Arbres de décision! ID3! Analogie

Plus en détail

Systèmes décisionnels et programmation avancée

Systèmes 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 détail

Raisonnements standard et non-standard pour les systèmes décentralisés de gestion de données et de connaissances

Raisonnements standard et non-standard pour les systèmes décentralisés de gestion de données et de connaissances Raisonnements standard et non-standard pour les systèmes décentralisés de gestion de données et de connaissances Nada Abdallah To cite this version: Nada Abdallah. Raisonnements standard et non-standard

Plus en détail

Intégration et probabilités TD1 Espaces mesurés

Intégration et probabilités TD1 Espaces mesurés Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?

Plus en détail

Théorie de la Programmation

Théorie de la Programmation Théorie de la Programmation http://perso.ens-lyon.fr/daniel.hirschkoff/thpr hop Programmation, Théorie de la programmation Langages de programmation I il existe de nombreux langages de programmation I

Plus en détail

LES TYPES DE DONNÉES DU LANGAGE PASCAL

LES TYPES DE DONNÉES DU LANGAGE PASCAL LES TYPES DE DONNÉES DU LANGAGE PASCAL 75 LES TYPES DE DONNÉES DU LANGAGE PASCAL CHAPITRE 4 OBJECTIFS PRÉSENTER LES NOTIONS D ÉTIQUETTE, DE CONS- TANTE ET DE IABLE DANS LE CONTEXTE DU LAN- GAGE PASCAL.

Plus en détail

Comment se servir de cet ouvrage? Chaque chapitre présente une étape de la méthodologie

Comment 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 détail

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Exercices - Polynômes : corrigé. Opérations sur les polynômes Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)

Plus en détail

Les indices à surplus constant

Les indices à surplus constant Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté

Plus en détail

Définitions. Numéro à préciser. (Durée : )

Définitions. 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 détail

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I

Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques

Plus en détail

Intelligence Artificielle Planification

Intelligence 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 détail

VÉRIFICATION DES SYSTÈMES À PILE AU MOYEN DES ALGÈBRES DE KLEENE

VÉRIFICATION DES SYSTÈMES À PILE AU MOYEN DES ALGÈBRES DE KLEENE VINCENT MATHIEU VÉRIFICATION DES SYSTÈMES À PILE AU MOYEN DES ALGÈBRES DE KLEENE Mémoire présenté à la Faculté des études supérieures de l Université Laval dans le cadre du programme de maîtrise en informatique

Plus en détail

Autres langages de l IA

Autres langages de l IA Autres langages de l IA Cours en cours de réalisation Module Programmation Logique Pierre De Loor enib -2004 deloor@enib.fr www.enib.fr/~deloor Exemples Programmation logiques par contraintes Programmation

Plus en détail

Pourquoi l apprentissage?

Pourquoi 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 détail

IFT1215 Introduction aux systèmes informatiques

IFT1215 Introduction aux systèmes informatiques Introduction aux circuits logiques de base IFT25 Architecture en couches Niveau 5 Niveau 4 Niveau 3 Niveau 2 Niveau Niveau Couche des langages d application Traduction (compilateur) Couche du langage d

Plus en détail

TD 1 - Structures de Traits et Unification

TD 1 - Structures de Traits et Unification TD 1 - Structures de Traits et Unification 1 Définitions Un trait (en: feature) est un couple attribut-valeur. Une structure de traits (en: feature structure) est un ensemble de traits. On peut les représenter

Plus en détail

La fonction exponentielle

La fonction exponentielle DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction

Plus en détail

Problématiques de recherche. Figure Research Agenda for service-oriented computing

Problématiques de recherche. Figure Research Agenda for service-oriented computing Problématiques de recherche 90 Figure Research Agenda for service-oriented computing Conférences dans le domaine ICWS (International Conference on Web Services) Web services specifications and enhancements

Plus en détail

Exercices sur le chapitre «Probabilités»

Exercices sur le chapitre «Probabilités» Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de

Plus en détail

Chaînes de Markov au lycée

Chaînes 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

Annexe 3. Le concept : exemple d une situation d apprentissage.

Annexe 3. Le concept : exemple d une situation d apprentissage. Annexe 3. Le concept : exemple d une situation d apprentissage. Le concept choisi ici comme exemple est une figure arbitrairement définie, appelée «WEZ», reprise d une expérience de Smoke cité dans un

Plus en détail

Aider les élèves qui en ont le plus besoin. Animation pédagogique 17 septembre 2008

Aider les élèves qui en ont le plus besoin. Animation pédagogique 17 septembre 2008 Aider les élèves qui en ont le plus besoin Animation pédagogique 17 septembre 2008 Un facteur de réussite scolaire : les capacités métacognitives de l élève Wang M.-C. (1990) Qu est-ce que la métacognition?

Plus en détail

Suites numériques 3. 1 Convergence et limite d une suite

Suites numériques 3. 1 Convergence et limite d une suite Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n

Plus en détail

3. Conditionnement P (B)

3. Conditionnement P (B) Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte

Plus en détail

Cadre formel pour la modélisation de la gestion des processus métier par une équipe médicale interdisciplinaire

Cadre formel pour la modélisation de la gestion des processus métier par une équipe médicale interdisciplinaire Cadre formel pour la modélisation de la gestion des processus métier par une équipe médicale interdisciplinaire Mounira Kezadri-Hamiaz 1, Daniela Rosu 1, Szymon Wilk 2, Craig Kuziemsky 1, Wojtek Michalowski

Plus en détail

FONDEMENTS MATHÉMATIQUES 12 E ANNÉE. Mathématiques financières

FONDEMENTS 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 détail

Manuel d utilisation de la plate-forme de gestion de parc UCOPIA. La mobilité à la hauteur des exigences professionnelles

Manuel d utilisation de la plate-forme de gestion de parc UCOPIA. La mobilité à la hauteur des exigences professionnelles Manuel d utilisation de la plate-forme de gestion de parc UCOPIA La mobilité à la hauteur des exigences professionnelles 2 Manuel d utilisation de la plate-forme de gestion de parc UCOPIA 1 Table des matières

Plus en détail