Laurent Besacier Hervé Blanchon

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Laurent Besacier Hervé Blanchon"

Transcription

1 Laboratoire d Informatique de Grenoble Equipe GETALP Université Stendhal Laurent Besacier Hervé Blanchon Réalisé par Atef Ben Youssef Sous la direction de Georges Antoniadis 1

2 Plan La traduction statistique 2

3 La traduction statistique Objectifs : Améliorer un système état de l art en enrichissant les données. Comparer les performances de 2 systèmes : Système construit sur des données brutes Système construit sur des données enrichies Enrichir les données : Ajouter des classes morphosyntaxiques aux données. Deuxième niveau (aller plus loin) Ajouter le sens aux données. 3

4 La La traduction statistique Étiquetage POS Tagger (POS Anglais Tagger) et Arabe Données Perspective et outils Expériences Conclusion et évaluation Riche morphologie Problèmes du traitement automatique de la langue arabe Absence des voyelles Ambiguïté Sens de mot Fonction de mot Détection de racine Problème de segmentation 4

5 Traduction Probabiliste La traduction prbabiliste La traduction statistique se résume à trouver le document cible ayant la plus grande probabilité d être la traduction d un document source. Le théorème de Bayes : s est le mot à traduire t est une traduction possible du mot s Pr(t s) est la valeur assignée pour chaque paire de mots (t,s) Puisque le dénominateur est indépendant de t, s est fixe t = argmax t Pr(t) Pr(s t) Les trois défis informatiques présentés par la traduction statistique : Le modèle de langage Pr(t). Le modèle du traduction Pr(s t). L algorithme de recherche (argmax t ). 5

6 Modèles de langue La traduction prbabiliste Un modèle statistique de langue donne la probabilité d observer un mot sachant ceux qui le précèdent. Ces modèles sont obtenus à partir de données d entraînement (ou d apprentissage) sur des corpus de la langue cible. Les systèmes à base de modèles de langue statistiques permettent d estimer la probabilité a priori de la séquence de mots S = m 1, m 2,..., m n selon l'équation suivante : P( S ) = P(m 1 ) x P( m 2 m 1 ) x... x P( m n m 1, m 2,..., m n-1 ) 6

7 Modèles de traduction La traduction prbabiliste Le modèle de traduction donne la probabilité qu un mot ou un groupe de mots dans la langue source soit traduit par un autre dans la langue cible. Un modèle de traduction est vu comme un modèle d alignement de mots. The program has been implemented Le programme a été mis en application Nous nous intéressons ici au problème du calcul de P(s I t J ) Brown et al, propose cinq modèles IBM de traduction pour : Modéliser P(S=s I T=t J ) Chaque modèle diffère de l autre par la façon de calculer la probabilité de traduction Pr(s t). 7

8 Machine de traduction La traduction prbabiliste Texte source Phase d entraînement (réalisée une seule fois) Décodeur Argmax p(e)*p(f/e) t s P(s t) P(t) Modèle de traduction Modèle de langage Corpus Arabe Corpus Anglais Texte cible Machine de traduction statistique : Arabe/Anglais 8

9 Modèle factoriel La traduction prbabiliste les processus de traduction sont divisés en trois étapes [Koehn et Hoang, 2007]. : Traduire les lemmes d'entrée par les lemmes de sortie Traduire les informations morphosyntaxiques (POS) et morphologiques. Générer les mots en tenant compte des facteurs linguistiques traduits. Exemple d un modèle factoriel 9

10 POS Tagger : Anglais Utilisation de 36 balises (Tagset) Are these all your personal effects? Étiqueteur TreeTagger : Are VBP be these DT these all PDT all your PP$ your personal JJ personal effects NNS effect? SENT? Évaluation [Schmid, 1994] : 97.53% 10

11 POS Tagger : Arabe Préparation des données : translitération Buckwalter Un caractère arabe = une lettre latine. À chaque caractère arabe distinct correspond une lettre latine distincte, et vice versa. La translittération est réversible : on peut reconstituer exactement l original arabe à partir de la forme latine. Exemple : hl h*h kl mtelqatk Al$xSyp? هل هذه كل متعلقاتك الشخصية 11

12 POS Tagger : Arabe Etiqueteur de Columbia University ASVM (SVM-POS) L entrée de ASVM est: Un texte arabe de gauche à droite translittéré en Buckwalter Les sorties de ASVM sont trois textes : Tokenisé : L analyse des mots : mot = préfixe racine suffixe Étiqueté : Utilisation de 24 balises (Tagset) disponibles dans la distribution de Arabic TreeBank : CC, CD, CONJ+NEG PART, DT, FW, IN, JJ, NN, NNP, NNPS, NNS, NOFUNC, NUMERIC COMMA, PRP, PRP$, PUNC, RB, UH, VBD, VBN, VBP, WP, WRB Étiqueté à base de phrase (Base Phrase Chunkers) 12

13 POS Tagger : Arabe Évaluation de ASVM [Diab, Hacioglu et Jurafsky, 2004] : Les phrases sont distribuées au hasard : 4000 phrases pour l apprentissage 119 phrases pour le développement 400 phrases pour le test Système Score % TOK. Résultat de comparaison entre SVM-TOK et RULE+DICT (approche utilisé par BASELINE) POS. Résultat de comparaison entre SVM-POS et BASELINE en étiquetage du texte arabe TOK POS SVM-TOK RULE+DICT SVM-POS BASELINE 92.2 Réf. Automatic Tagging of Arabic Text: From Raw Text to Base Phrase Chunks, M. Diab, K. Hacioglu, D. Jurafsky 13

14 POS Tagger : Arabe La qualité d'étiquetage sur nos données (corpus oraux) est très décevante beaucoup d erreurs Nous décidons de : Corriger manuellement une partie du corpus (20%) Utilisation des expressions régulières (gain de temps) Script contenant 1407 Expressions Régulières 13.05% des mots différents sont erronés Temps mis = 58 heures pour 3700 lignes Impossible de tout corriger manuellement! Utilisation des 20% corrigés pour apprendre un étiqueteur plus robuste (SRI-LM) 14

15 POS Tagger : Arabe Le nouvel étiqueteur arabe réalisé est formé par: Corpus d entrainement : la partie vérifiée manuellement de IWSLT07 Préparation des données : # phrases # mots # mots différents Corpus Arabe Un modèle de langage 3-gramme (commande ngram-count de l outil SRILM ) Un tableau d étiquettes (tags) associé au lexique : w t1 p1 t2 p2 Le processus d étiquetage : Attribuer à une séquence de mots, la séquence de catégories la plus probable (commande disambig de SRI-LM ) 15

16 POS Tagger : Arabe Les différentes étapes de notre étiqueteur Application des expressions régulières (correction) Utilisation de la tokenisation de SVM-POS Etiquetage par notre système re-entraîné Pour les mots non traîtés par notre système, prendre les étiquettes données par l étiqueteur SVM-POS Évaluation sur les données d apprentissage : 99.4% 16

17 POS Tagger : Arabe Évaluation :Test fait sur les 100 dernières phrases du corpus L étiqueteur ASVM: 857 mots étiquetés (w/pos) Il y a 77 étiquettes fausses 9.0% des étiquettes sont fausses. 75 phrases erronées Notre étiqueteur : 877 mots étiquetés (w/pos) Il y a 15 étiquettes fausses 1.7% des étiquettes sont fausses. 14 phrases erronées 17

18 Données : Bitexte Le point de départ de l entraînement du système est ce que l on désigne par bitexte. Un bitexte est un corpus bilingue parallèle. On a utilisé dans notre étude une collection de corpus parallèles arabe/anglais : IWSLT07 (un corpus de 20k paires de phrases). Corpus IWSLT est sous forme de transcriptions de la parole dans le domaine du tourisme Corpus Arabe Corpus Anglais Nombre de phrases Nombre des mots Nombre des mots différents

19 Outils Utilisation des données enrichies (+étiquettes) pour construire un système amélioré. Outils disponibles : SRILM : compatible avec les données enrichies. GIZA++ : compatible avec les données enrichies. Moses : compatible avec les données enrichies. BLEU : calcule les scores des deux systèmes Système construit sur des données brutes Système construit sur des données enrichies 19

20 Éxperiences Première expérience : Traduire les mots arabes par les lemmes anglais Traduire les catégories Générer les formes de surface Pour les lemmes inconnus, TreeTagger attribue l étiquette <unknown> au lemme. (Exemple : Health-Sports <unknown> NP) Fausse génération du mot en utilisant uniquement les informations syntaxiques (POS) 20

21 Éxperiences Deuxième expérience : Traduire les mots arabes par les mots et les lemmes anglais Traduire les catégories Générer les formes de surface Pour le lemme inconnu, on fait appel au mot. 21

22 Éxperiences Utiliser les étiquettes syntaxiques (POS) sous forme factorisée (Factored Models) pour améliorer Les alignements EN/AR Le décodage Utiliser les étiquettes syntaxiques (POS) en langue cible seulement (EN) pour améliorer la sortie de traduction Modèle de langage «POS» en langue cible pour réordonner les hypothèses de traduction Un tel modèle préfère la séquence (NNP VBZ NNS) nom_propre verbe_singulier nom_pluriel que la séquence (NNS VBZ NNP). nom_pluriel verbe_singulie nom_propre 22

23 Évaluation qualitative Source : نعم لقد حجزت مقعدين مسبقا» avance «Oui, j ai réservé deux places en 1- طبعا سأضع عليها عالمة هنا موافق» OK «Bien sûr, je vais signer ici 2- Modèle non factoriel (classique) : 1- Yes, I reserved seats in advance? 2- Of course. put on it موافق sign here. Modèles factoriels : 1- Yes, I reserved two seats in advance? 1- Yes, I have two a reservation in advance? 2- Of course. put on it. Okay. Sign here. 2- Of course. Put it okay to sign here Références : 1- Yes, I have already reserved two seats. 1- Sure. Two seats are booked. 1- Yes. We have reserved two seats already. 2- Sure. I'll mark it here, OK? 2- No problem. Let me mark here. Okay? 2- OK. I'll put a mark here then. Alright? 23

24 Évaluation qualitative Exemples de faux alignements qui existaient dans le table de traduction du modèle classique (non factoriel) et n existaient plus dans le table de traduction du modèle factoriel (0) (0) ordered لقد (0) (0) the لقد (0) (0) seats مقعدين (0) (0) two مقعدين (0) (0) all نعم Exemples d alignements correctes qui n existaient pas dans le modèle classique et qui existaient dans le table de traduction du modèle factoriel (0) (0) okay okay نعم (0) (0) well well نعم (0) (0) yeeeah <unknown> نعم (0) (0) yep <unknown> نعم 24

25 Évaluation qualitative L utilisation des informations morphosyntaxique Enlève les faux alignements qui existaient dans le modèle classique Filtre le modèle de traduction Génère plus de possibilités correctes qui n existaient plus dans le modèle classique Modèle de traduction plus flexible dans les modèles factoriels 25

26 Évaluation quantitative Les résultats sont plus intéressants en utilisant la désambiguïsation lexicale 26

27 Conclusion & perspective Nous avons au cours de ce stage : Réalisé un analyseur syntaxique robuste de l arabe pour le type de données IWSLT (oral) Essayé d insérer les informations morphosyntaxiques dans notre traducteur automatique Enrichissement du corpus d apprentissage par des catégories, via un formalisme de modèles factorisés Les analyses qualitatives et quantitatives ont montré des premiers résultats encourageants. Il serait intéressant de mettre en parallèle un analyseur sémantique (ontologie, synonymie, métonymie ) 27

28 Merci 28

Traduction automatique de la parole arabe/anglais par segmentations multiples

Traduction automatique de la parole arabe/anglais par segmentations multiples Traduction automatique de la parole arabe/anglais par segmentations multiples Fethi Bougares Laboratoire d Informatique de Grenoble, équipe GETALP BP 53, 38041 Grenoble Cedex 9, FRANCE Courriel : fethi.bougares@imag.fr

Plus en détail

Extraction des séquences inter-langues pour la Traduction Automatique

Extraction des séquences inter-langues pour la Traduction Automatique Extraction des séquences inter-langues pour la Traduction Automatique Cyrine Nasri LORIA MOSIC Dirigée par : Pr. Kamel Smaili, Pr. Yahya Slimani et Dr Chiraz Latiri 1/26 Cyrine Nasri Extraction des séquences

Plus en détail

Méthodes Mixtes pour la Traduction Automatique Statistique

Méthodes Mixtes pour la Traduction Automatique Statistique Laboratoire d informatique de Grenoble Équipe GETALP Université STENDHALGrenoble3 Méthodes Mixtes pour la Traduction Automatique Statistique Mémoire de Master 2 Mention Science du Langage, Spécialité Modélisation

Plus en détail

INGENIERIE DES LANGUES. Master en Informatique 1ère Année Semestre 1. Département d'informatique Université de Caen Basse-Normandie

INGENIERIE DES LANGUES. Master en Informatique 1ère Année Semestre 1. Département d'informatique Université de Caen Basse-Normandie INGENIERIE DES LANGUES Master en Informatique 1ère Année Semestre 1 Département d'informatique Université de Caen Basse-Normandie https://dias.users.greyc.fr/?op=paginas/nlp.html Plan Intuition Modèles

Plus en détail

Construction d un corpus arabe à partir du Web dans le but d identifier les mots-outils ou tokens

Construction d un corpus arabe à partir du Web dans le but d identifier les mots-outils ou tokens Construction d un corpus arabe à partir du Web dans le but d identifier les mots-outils ou tokens Dhaou Ghoul 1 1 STIH dhaou.ghoul@gmail.com Abstract In this paper, we present a method to build a large

Plus en détail

Traduction automatique

Traduction automatique Traduction automatique M. Constant Université Paris-Est Marne-la-Vallée 5 octobre 2009 Outline Introduction Problèmes Différentes approches Traduction automatique statistique Modélisation Exemple de modèle

Plus en détail

Références. Compter les mots. Le langage comme donnée. Communication Langagière Ingénierie des langues et de la parole

Références. Compter les mots. Le langage comme donnée. Communication Langagière Ingénierie des langues et de la parole Communication Langagière Ingénierie des langues et de la parole 1. Introduction générale 2. Ingénierie des langues 2.1 Représentation et codage des textes 2.2 Théorie de l information et probabilités 2.3

Plus en détail

Marie-Claude L Homme Université de Montréal

Marie-Claude L Homme Université de Montréal Évaluation de logiciels d extraction de terminologie : examen de quelques critères Plan Marie-Claude L Homme Université de Montréal Unités recherchées et problèmes de base Catégories de critères Critères

Plus en détail

revue de littérature - corpus comparables

revue de littérature - corpus comparables revue de littérature - corpus comparables Julie Roy April 23, 2015 Université de Montréal Introduction Matière première MT : corpus parallèles. Intérêt des corpus comparables : corpus parallèles et dictionnaires

Plus en détail

Évaluation de G-LexAr pour la traduction automatique statistique

Évaluation de G-LexAr pour la traduction automatique statistique TALN 2011, Montpellier, 27 juin 1 er juillet 2011 Évaluation de G-LexAr pour la traduction automatique statistique Wigdan Mekki (1), Julien Gosme (1), Fathi Debili (2), Yves Lepage (3), Nadine Lucas (1)

Plus en détail

Approche mixte pour la traduction automatique statistique

Approche mixte pour la traduction automatique statistique Approche mixte pour la traduction automatique statistique Haïtem Afli To cite this version: Haïtem Afli. Approche mixte pour la traduction automatique statistique. Linguistics. 2010. HAL

Plus en détail

Des traitements aux ressources linguistiques : le rôle d une architecture linguistique

Des traitements aux ressources linguistiques : le rôle d une architecture linguistique Des traitements aux ressources : le rôle d une architecture Frederik Cailliau Villetaneuse, le 9 décembre 2010 Sous la direction d Adeline Nazarenko 1. 2. 3. 4. 5. 6. 2 Sinequa Cifre à Sinequa Recherche

Plus en détail

Vive les vacances! Leitfaden

Vive les vacances! Leitfaden Vive les vacances! Vive les vacances! est un cours conçu pour un public adulte n ayant pas de connaissance préalable de la langue française et souhaitant acquérir une compétence linguistique ainsi qu une

Plus en détail

T H È S E. La traduction automatique statistique dans un contexte multimodal

T H È S E. La traduction automatique statistique dans un contexte multimodal Jury : UNIVERSITÉ DU MAINE LABORATOIRE D INFORMATIQUE DE L UNIVERSITÉ DU MAINE T H È S E pour obtenir le titre de Docteur en Science de l Université du Maine Mention : Informatique Présentée et soutenue

Plus en détail

Acquisition de synonymes à partir du TLFi :, analyse de données et expérimentation

Acquisition de synonymes à partir du TLFi :, analyse de données et expérimentation Acquisition de synonymes à partir du TLFi : analyse de données et expérimentation Nabil Hathout & Philippe Muller 30 novembre 2007 1 / 22 Introduction objectif : extraire des liens lexicaux d un dictionnaire

Plus en détail

Construction et enrichissement automatique d ontologie à partir de ressources externes

Construction et enrichissement automatique d ontologie à partir de ressources externes Construction et enrichissement automatique d ontologie à partir de ressources externes JFO 2009 Jeudi 3 décembre 2009 E. Kergosien (LIUPPA, Pau) M. Kamel (IRIT- UPS, Toulouse) M. Sallabery (LIUPPA, Pau)

Plus en détail

Gestionnaire de dialogue pour un système d informations à reconnaissance vocale

Gestionnaire de dialogue pour un système d informations à reconnaissance vocale TALN 2001, Tours, 2-5 juillet 2001 Gestionnaire de dialogue pour un système d informations à reconnaissance vocale Sophie Rosset, Lori Lamel LIMSI-CNRS, 91403 Orsay Cédex rosset,lamel@limsi.fr Résumé -

Plus en détail

Dans ce chapitre nous allons étudier une méthode pratique d anti-phishing, ce qui consiste à un système de classification automatique.

Dans ce chapitre nous allons étudier une méthode pratique d anti-phishing, ce qui consiste à un système de classification automatique. I INTRODUCTION Les pages de phishing sont l un des problèmes majeurs de sécurité sur internet. La majorité des attaques utilisent des méthodes sophistiquées comme les fausses pages pour tromper les utilisateurs

Plus en détail

Introduction aux CRF via l annotation par des modèles graphiques. Isabelle Tellier. LIFO, Université d Orléans

Introduction aux CRF via l annotation par des modèles graphiques. Isabelle Tellier. LIFO, Université d Orléans Introduction aux CRF via l annotation par des modèles graphiques Isabelle Tellier LIFO, Université d Orléans Plan 1. Annoter pour quoi faire 2. Apprendre avec un modèle graphique 3. Annnoter des chaînes

Plus en détail

Point sur les expériences avec XCRF, Shared Task CoNLL 2009

Point sur les expériences avec XCRF, Shared Task CoNLL 2009 Point sur les expériences avec XCRF, Shared Task CoNLL 2009 Erwan Moreau erwan.moreau@lipn.univ-paris13.fr Réunion CRoTAL 8 avril 2009 Point sur les expériences avec XCRF, Shared Task CoNLL 2009 1/18 Approche

Plus en détail

La Veille multilingue : outils et ressources pour les traducteurs. Jean-Paul PINTE Institut Catholique de Lille

La Veille multilingue : outils et ressources pour les traducteurs. Jean-Paul PINTE Institut Catholique de Lille La Veille multilingue : outils et ressources pour les traducteurs Jean-Paul PINTE Institut Catholique de Lille Premier Colloque International sur la veille multilingue Genève les 28 et 29 mai 2008 Nous

Plus en détail

Modèles discriminants pour l alignement mot à mot

Modèles discriminants pour l alignement mot à mot Modèles discriminants pour l alignement mot à mot Alexandre Allauzen Guillaume Wisniewski Univ Paris-Sud 11, Orsay, F-91405 LIMSI-CNRS, B.P. 133, 91403 Orsay cedex, France {allauzen, wisniews }@limsi.fr

Plus en détail

Modèles neuronaux pour la modélisation statistique de la langue

Modèles neuronaux pour la modélisation statistique de la langue Modèles neuronaux pour la modélisation statistique de la langue Introduction Les modèles de langage ont pour but de caractériser et d évaluer la qualité des énoncés en langue naturelle. Leur rôle est fondamentale

Plus en détail

Une approche multicritère pour lever l ambiguïté morphologique dans le texte arabe

Une approche multicritère pour lever l ambiguïté morphologique dans le texte arabe Une approche multicritère pour lever l ambiguïté morphologique dans le texte arabe Mohamed Amine Chéragui 1, Youssef Hceini 2 et Moncef Abbas 3 1 Ecole national Supérieure d Informatique (E.S.I.), E-mails

Plus en détail

Projet TAL : traduction français-sms

Projet TAL : traduction français-sms Projet TAL : traduction français-sms 1 Objectif L objectif de ce projet est de concevoir un logiciel permettant de traduire un texte écrit en langage SMS vers le français. La traduction sera effectuée

Plus en détail

Classification de questions par traduction

Classification de questions par traduction Classification de questions par traduction Anne-Laure Ligozat LIMSI-CNRS rue John von Neumann 91403 Orsay Cedex prenom.nom@limsi.fr RÉSUMÉ. Dans cet article, nous nous intéressons à la classification de

Plus en détail

Plan d Evaluation (phase 1) Version 1.1

Plan d Evaluation (phase 1) Version 1.1 Evaluation des Systèmes de Transcription enrichie d Emissions Radiophoniques (ESTER) Plan d Evaluation (phase 1) Version 1.1 Dernière mise à jour le 21 novembre 2003. 1 Préambule Ce document décrit le

Plus en détail

Corpus parallèles et comparables : introduction. Pierre Zweigenbaum. LIMSI, CNRS pz@limsi.fr http://www.limsi.fr/~pz/ CRIM, INALCO 1 / 14

Corpus parallèles et comparables : introduction. Pierre Zweigenbaum. LIMSI, CNRS pz@limsi.fr http://www.limsi.fr/~pz/ CRIM, INALCO 1 / 14 Corpus parallèles et comparables : introduction Pierre Zweigenbaum LIMSI, CNRS pz@limsi.fr http://www.limsi.fr/~pz/ CRIM, INALCO 1 / 14 Éléments de bibliographie Jean Véronis (rédacteur). Parallel Text

Plus en détail

QUESTIONNAIRE AU TITULAIRE

QUESTIONNAIRE AU TITULAIRE Date d envoi : Date de réception : QUESTIONNAIRE AU TITULAIRE Demande d admission - Niveau secondaire Ce document doit être complété par le titulaire de classe ou par l orthopédagogue Nom de l élève :

Plus en détail

Equivalences traductionnelles

Equivalences traductionnelles Equivalences traductionnelles Bi-texte juridique [Equivalences] Maria Zimina CLILLAC-ARP, Université Paris Diderot Paris 7 mzimina@eila.univ-paris-diderot.fr Résumé: CONVENTION est un bi-texte juridique

Plus en détail

Traitement automatique des entités nommées en arabe : détection et traduction

Traitement automatique des entités nommées en arabe : détection et traduction Traitement automatique des entités nommées en arabe : détection et traduction Souhir Gahbiche-Braham Hélène Bonneau-Maynard François Yvon Université Paris Sud & LIMSI-CNRS BP 133-91403 ORSAY Cedex - France

Plus en détail

Utilisation de mesures de confiance pour améliorer le décodage en

Utilisation de mesures de confiance pour améliorer le décodage en Mesures en P de la Le corpus Le corpus + Systèmes et confiance GELP Utilisation de mesures de confiance pour améliorer le décodage en de la Laurent Besacier, Benjamin Équipe GELP, Laboratoire d Informatique

Plus en détail

Traduction Automatique Introduction

Traduction Automatique Introduction à la.@lium.univ-lemans.fr Laboratoire LIUM Université du Maine 23 janvier 2007 Plan au domaine en traduction Tâches et corpora Principes de l approche statistique Structure d un système de traduction Optimisation

Plus en détail

Présentation de la plateforme d analyse linguistique médiévale

Présentation de la plateforme d analyse linguistique médiévale Présentation de la plateforme d analyse linguistique médiévale 1. Introduction Tout au long de ce document, notre projet sera présenté à travers la méthodologie suivie pour développer la plateforme d analyse

Plus en détail

GUIDE PRATIQUE : Je débute dans l enseignement de l Anglais

GUIDE PRATIQUE : Je débute dans l enseignement de l Anglais GUIDE PRATIQUE : Je débute dans l enseignement de l Anglais Fanny MARCOTTE Itinérante Anglais Saint-Dizier 2011-2012 1- Faire comprendre aux enfants l interêt d apprendre à parler Anglais C est LA langue

Plus en détail

TALN (traitement automatique du langage naturel) Eva Sassolini, 30/06/2015

TALN (traitement automatique du langage naturel) Eva Sassolini, 30/06/2015 TALN (traitement automatique du langage naturel) Eva Sassolini, 30/06/2015 Objectifs de TALN Construction de modèles et d outils capables d'effectuer des tâches spécifiques liées à la langue naturelle,

Plus en détail

Guide de conception d une épreuve écrite sous la forme d un questionnaire à choix multiples

Guide de conception d une épreuve écrite sous la forme d un questionnaire à choix multiples Guide de conception d une épreuve écrite sous la forme d un questionnaire à choix multiples Aspects pratiques Aspects pédagogiques Conseils de conception 1 Introduction Terminologie spécifique à l IEP

Plus en détail

I Arbres binaires. Lycée Faidherbe 2014-2015. 1 Rappels 2 1.1 Définition... 2 1.2 Dénombrements... 2 1.3 Parcours... 3

I Arbres binaires. Lycée Faidherbe 2014-2015. 1 Rappels 2 1.1 Définition... 2 1.2 Dénombrements... 2 1.3 Parcours... 3 I Arbres binaires 2014-2015 Table des matières 1 Rappels 2 1.1 Définition................................................ 2 1.2 Dénombrements............................................ 2 1.3 Parcours.................................................

Plus en détail

INGÉNIERIE DES CONNAISSANCES CONSTRUCTION D ONTOLOGIES À PARTIR DE TEXTES (1)

INGÉNIERIE DES CONNAISSANCES CONSTRUCTION D ONTOLOGIES À PARTIR DE TEXTES (1) 09.02.2002 INGÉNIERIE DES CONNAISSANCES CONSTRUCTION D ONTOLOGIES À PARTIR DE TEXTES (1) Outils de traitement automatique des langues pour la construction d ontologies à partir de textes Didier BOURIGAULT

Plus en détail

NLTK: Corpus et Segmentation. Les corpus NLTK. Corpus et pré-traitement. Les corpus NLTK. Claire Gardent. Construire un index. Segmentation 2007/2008

NLTK: Corpus et Segmentation. Les corpus NLTK. Corpus et pré-traitement. Les corpus NLTK. Claire Gardent. Construire un index. Segmentation 2007/2008 NLTK: Corpus et Segmentation Les corpus NLTK Claire Gardent CNRS/LORIA Campus Scientifique, BP 239, F-54 506 Vandœuvre-lès-Nancy, France Construire un index Segmentation 2007/2008 1/ 26 2/ 26 Corpus et

Plus en détail

Pour obtenir le grade de. Spécialité : MSTII / INFORMATIQUE. Arrêté ministériel : 7 août 2006. Thi-Ngoc-Diep DO

Pour obtenir le grade de. Spécialité : MSTII / INFORMATIQUE. Arrêté ministériel : 7 août 2006. Thi-Ngoc-Diep DO THÈSE Pour obtenir le grade de DOCTEUR EN SCIENCES DÉLIVRÉ PAR L UNIVERSITÉ DE GRENOBLE Spécialité : MSTII / INFORMATIQUE Arrêté ministériel : 7 août 2006 Présentée par Thi-Ngoc-Diep DO Thèse dirigée par

Plus en détail

Guide de prise en mains rapide

Guide de prise en mains rapide 1. Introduction Guide de prise en mains rapide 1.1. Principe de manipulation Pour effectuer l'ensemble de vos commandes dans SIMILIS, vous pouvez agir indifféremment de trois façons : soit utiliser les

Plus en détail

Analyse de phrase - Introduction

Analyse de phrase - Introduction : Plan Introduction 1 Analyse lexicale 1-1 Analyse morphologique (tr. 3) 1-2 Etiquetage morpho-syntaxique probabiliste (tr. 4 à 13) 1-3 Traitement des non-attendus (tr. 14) 2 Analyse syntaxique 2-1 Analyse

Plus en détail

Théorie de l information : historique

Théorie de l information : historique Théorie de l information : historique Développée dans les années quarante par Claude Shannon. Objectif : maximiser la quantité d information pouvant être transmise par un canal de communication imparfait.

Plus en détail

Micro-adaptation lexicale en traduction automatique statistique 1

Micro-adaptation lexicale en traduction automatique statistique 1 Micro-adaptation lexicale en traduction automatique statistique 1 Josep Maria Crego Gregor Leusch Aurélien Max, Hermann Ney François Yvon, (*) LIMSI-CNRS, B.P. 133, 91403 Orsay cedex, France (**) Université

Plus en détail

COMMENT TRAVAILLER EFFICACEMENT?

COMMENT TRAVAILLER EFFICACEMENT? COMMENT TRAVAILLER EFFICACEMENT? Afin de vous éviter de vains efforts et pour vous épargner de précieuses heures de travail, voici quelques conseils qui guideront votre préparation. Travailler avec régularité

Plus en détail

Du texte brut au web sémantique

Du texte brut au web sémantique Du texte brut au web sémantique Thierry Poibeau LIPN, CNRS et Université Paris 13 Faciliter l accès au texte But : Améliorer l accès à l information (essentiellement textuelle) Moyen : Proposer de nouveaux

Plus en détail

Modélisation coalescente pour la détection précoce d un cancer

Modélisation coalescente pour la détection précoce d un cancer Modélisation coalescente pour la détection précoce d un cancer Mathieu Emily 27 Novembre 2007 Bioinformatics Research Center - Université d Aarhus Danemark Mathieu Emily Coalescence et cancer 1 Introduction

Plus en détail

Corrigé de l examen partiel du 19 novembre 2011

Corrigé de l examen partiel du 19 novembre 2011 Université Paris Diderot Langage Mathématique (LM1) Département Sciences Exactes 2011-2012 Corrigé de l examen partiel du 19 novembre 2011 Durée : 3 heures Exercice 1 Dans les expressions suivantes, les

Plus en détail

Plate-forme semi-automatique : E-quity

Plate-forme semi-automatique : E-quity Plate-forme semi-automatique : E-quity Bringay Sandra 1, Pinlou Alexandre 1, Durand Sylvain 1, Pro Sébastien 1, Séébold Patrice 1 Département MIAp, Université Paul-Valéry, Montpellier 3, Route de Mende,

Plus en détail

Amélioration des systèmes de traduction par analyse linguistique et thématique : application à la traduction depuis l arabe

Amélioration des systèmes de traduction par analyse linguistique et thématique : application à la traduction depuis l arabe Amélioration des systèmes de traduction par analyse linguistique et thématique : application à la traduction depuis l arabe Souhir Gahbiche-Braham To cite this version: Souhir Gahbiche-Braham. Amélioration

Plus en détail

Etiquetage morphosyntaxique probabiliste

Etiquetage morphosyntaxique probabiliste Etiquetage morphosyntaxique probabiliste Traitement Automatique des Langues Master Informatique Université Paris-Est Marne-la-Vallée Matthieu Constant Références de base du cours Christopher D. Manning

Plus en détail

Niveau B1. Support 1 : Danses nouvelles et spectacles provocateurs des «années folles» (vidéo 01 mn 18)

Niveau B1. Support 1 : Danses nouvelles et spectacles provocateurs des «années folles» (vidéo 01 mn 18) La Fête jusqu où? Niveau B1 Remarque : attention, les supports 1 et 2 ne sont pas dissociables et son à travailler de manière enchaînée. Support 1 : Danses nouvelles et spectacles provocateurs des «années

Plus en détail

Conception d un catégoriseur morphologique fondé sur le principe d Eric Brill dans un contexte Multi-Agents

Conception d un catégoriseur morphologique fondé sur le principe d Eric Brill dans un contexte Multi-Agents Conception d un catégoriseur morphologique fondé sur le principe d Eric Brill dans un contexte Multi-Agents Ahmed Haddad1,Henda Ben Ghezala2,Malek Ghenima3 Laboratoire RIADI, Ecole Nationale des Sciences

Plus en détail

TS. 2012/2013. Lycée Prévert. Corrigé du contrôle n 3. Durée : 3 heures. Mardi 20/11/12

TS. 2012/2013. Lycée Prévert. Corrigé du contrôle n 3. Durée : 3 heures. Mardi 20/11/12 TS. 01/013. Lycée Prévert. Corrigé du contrôle n 3. Durée : 3 heures. Mardi 0/11/1 Exercice 1 : ( 6,5 pts) Première partie : Démonstration à rédiger { Démontrer que si ( ) et (v n ) sont deux suites telles

Plus en détail

Un algorithme de composition musicale

Un algorithme de composition musicale Un algorithme de composition musicale Table des matières Présentation Le compositeur. Le code PMX.................................................. Structures de données utilisées........................................

Plus en détail

L'assurance qualité automatisée en agence de traduction (QA Distiller, Xbench et SDLX QA Check)

L'assurance qualité automatisée en agence de traduction (QA Distiller, Xbench et SDLX QA Check) L'assurance qualité automatisée en agence de traduction (QA Distiller, Xbench et SDLX QA Check) Sabrina Furlan 5 février 2010 Pangeanic Valence, Espagne 1- Assurance qualité (automatisée) : définition

Plus en détail

Formation et recherche dans le domaine du traitement automatique des langues en contexte universitaire

Formation et recherche dans le domaine du traitement automatique des langues en contexte universitaire Formation et recherche dans le domaine du traitement automatique des langues en contexte universitaire Dans cette intervention, nous nous pencherons sur le rôle spécifique que jouent ou que peuvent jouer

Plus en détail

Annotation du corpus PRESTO: création de ressources pour l'analyse du français classique

Annotation du corpus PRESTO: création de ressources pour l'analyse du français classique Annotation du corpus PRESTO: création de ressources pour l'analyse du français classique Sascha Diwersy, Universität zu Köln Achille Falaise, ENS de Lyon, ICAR Journées d étude Presto Cologne, 12-13 février

Plus en détail

Thèse. Traduction automatique de la parole par méthodes statistiques Automatic Speech Translation by statistical methods

Thèse. Traduction automatique de la parole par méthodes statistiques Automatic Speech Translation by statistical methods Université Paris-Sud 11 Faculté des sciences d Orsay Ecole Doctorale d Informatique de Paris-Sud Laboratoire d Informatique pour la Mécanique et les Sciences de l Ingénieur Thèse pour le diplôme de Docteur

Plus en détail

Recherche d information textuelle

Recherche d information textuelle Recherche d information textuelle Pré-traitements & indexation B. Piwowarski CNRS / LIP6 Université Paris 6 benjamin@bpiwowar.net http://www.bpiwowar.net Master IP - 2014-15 Cours et travaux pratiques

Plus en détail

L informatique en BCPST

L informatique en BCPST L informatique en BCPST Présentation générale Sylvain Pelletier Septembre 2014 Sylvain Pelletier L informatique en BCPST Septembre 2014 1 / 20 Informatique, algorithmique, programmation Utiliser la rapidité

Plus en détail

Automatisation de la certification formelle de systèmes critiques par instrumentation d interpréteurs abstraits

Automatisation de la certification formelle de systèmes critiques par instrumentation d interpréteurs abstraits 1 d Automatisation de la certification formelle de systèmes critiques par instrumentation d sous la direction de Michaël Périn Soutenance de Thèse de Doctorat Université de Grenoble - Laboratoire Verimag

Plus en détail

Théorie des Langages Formels Chapitre 5 : Automates minimaux

Théorie des Langages Formels Chapitre 5 : Automates minimaux Théorie des Langages Formels Chapitre 5 : Automates minimaux Florence Levé Florence.Leve@u-picardie.fr Année 2015-2016 1/29 Introduction Les algorithmes vus précédemment peuvent mener à des automates relativement

Plus en détail

Séminaire: Méthodes et outils d'analyse de données textuelles, un nouveau souffle?

Séminaire: Méthodes et outils d'analyse de données textuelles, un nouveau souffle? Séminaire: Méthodes et outils d'analyse de données textuelles, un nouveau souffle? Daniel K. Schneider TECFA FPSE - Université de Genève daniel.schneider@unige.ch Unité de technologie de l'éducation Université

Plus en détail

Comparaison d approches statistiques pour la classification de textes d opinion. Michel Plantié, Gérard Dray, Mathieu Roche (LGI2P/EMA LIRMM)

Comparaison d approches statistiques pour la classification de textes d opinion. Michel Plantié, Gérard Dray, Mathieu Roche (LGI2P/EMA LIRMM) Comparaison d approches statistiques pour la classification de textes d opinion Michel Plantié, Gérard Dray, Mathieu Roche (LGI2P/EMA LIRMM) Caractéristiques des traitements Approche identique pour les

Plus en détail

La mémoire (en bref)

La mémoire (en bref) Lamémoire(enbref) Les modèles développés en psychologie cognitive conçoivent l individu comme une «entité»quitraitedel information.danscestraitements,lamémorisationtientuneplace particulièrement importante

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

Le logiciel Aplusix Standard comme environnement d'apprentissage du raisonnement par équivalence dans le cas des équations et systèmes d équations

Le logiciel Aplusix Standard comme environnement d'apprentissage du raisonnement par équivalence dans le cas des équations et systèmes d équations Le logiciel Aplusix Standard comme environnement d'apprentissage du raisonnement par équivalence dans le cas des équations et systèmes d équations Hamid Chaachoua, Laboratoire LEIBNIZ - Institut IMAG,

Plus en détail

Fonctions de base. L Alignement

Fonctions de base. L Alignement Fonctions de base L Alignement L alignement Mise en correspondance d un segment de texte dans une langue et le texte parallèle dans une autre langue (c està-dire, un texte et sa traduction) Mais, lequel

Plus en détail

Corpus et outils de requête

Corpus et outils de requête Corpus et outils de requête Séminaire de linguistique expérimentale 2010/2011 Clément Plancq clement.plancq@linguist.jussieu.fr Laboratoire de Linguistique Formelle 01 et 08 avril 2011 Plan 1 Présentation

Plus en détail

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

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

Plus en détail

Le mémoire! Hervé Maisonneuve Pr associé, santé publique, Paris-Sud 11 www.h2mw.eu

Le mémoire! Hervé Maisonneuve Pr associé, santé publique, Paris-Sud 11 www.h2mw.eu Le mémoire! Hervé Maisonneuve Pr associé, santé publique, Paris-Sud 11 www.h2mw.eu Hervé Maisonneuve Paris, 14 octobre 2010 1 Pré-test Mémoire : définition? Pourquoi un mémoire? Comment choisir un sujet,

Plus en détail

Veille technologique en télécommunications

Veille technologique en télécommunications Veille technologique en télécommunications Khalid EL HIMDI Ismail KASSOU Hamid MACHCHOUR 1 Techniques d analyse de contenus L analyse de contenus est au cœur de la gestion du cycle de vie de l information

Plus en détail

Traduction automatique à partir de corpus comparables: extraction de phrases parallèles à partir de données comparables multimodales

Traduction automatique à partir de corpus comparables: extraction de phrases parallèles à partir de données comparables multimodales Traduction automatique à partir de corpus comparables: extraction de phrases parallèles à partir de données comparables multimodales Haithem AFLI Loïc BARRAULT Holger SCHWENK Laboratoire d Informatique

Plus en détail

Transcription Webémission Évaluation au service de l apprentissage

Transcription Webémission Évaluation au service de l apprentissage Transcription Webémission Évaluation au service de l apprentissage 00 : 00 ANIMATEUR : Bienvenue à cette série de quatre vidéos portant sur l évaluation du rendement. Depuis de nombreuses années, les enseignants

Plus en détail

Terminale S-SI Probabilités conditionnelles

Terminale S-SI Probabilités conditionnelles robabilités conditionnelles Table des matières 1 Introduction 2 2 Définitions 2 3 Formule des probabilités totales 3 4 Indépendance et principe du produit 5 5 Exercices 5 1 1 Introduction Lorsque 7 élèves

Plus en détail

ZIMINA-POIROT Maria (SYLED - ILPGA, Sorbonne nouvelle Paris 3) zimina@msh-paris.fr

ZIMINA-POIROT Maria (SYLED - ILPGA, Sorbonne nouvelle Paris 3) zimina@msh-paris.fr Thème : Corpus multilingues et alignements textométriques TP «Analyse de corpus de textes juridiques (français/anglais) à l aide d outils de statistique textuelle Lexico3». Ressources : le corpus TRAD_JUR

Plus en détail

Projet : Ski Clinic 1) ALPIARTICLE. Voici la nouvelle fiche. 2) Wavesoft. Gestion des Promotions Skiclinic

Projet : Ski Clinic 1) ALPIARTICLE. Voici la nouvelle fiche. 2) Wavesoft. Gestion des Promotions Skiclinic Projet : Ski Clinic Date 26/06/2012 Auteur : Gilles RIAND, Alp Infor 1) ALPIARTICLE - Terminé la «Collection» mais une «Marque» - Remarque concernant la location On ne s occupe pas du N, N1, N2 il est

Plus en détail

AVERTISSEMENT. D'autre part, toute contrefaçon, plagiat, reproduction encourt une poursuite pénale. LIENS

AVERTISSEMENT. D'autre part, toute contrefaçon, plagiat, reproduction encourt une poursuite pénale. LIENS AVERTISSEMENT Ce document est le fruit d'un long travail approuvé par le jury de soutenance et mis à disposition de l'ensemble de la communauté universitaire élargie. Il est soumis à la propriété intellectuelle

Plus en détail

Aide à la conception de Système d Information Collaboratif, support de l interopérabilité des entreprises

Aide à la conception de Système d Information Collaboratif, support de l interopérabilité des entreprises Aide à la conception de Système d Information Collaboratif, support de l interopérabilité des entreprises Jihed Touzi, Frédérick Bénaben, Hervé Pingaud Thèse soutenue au Centre de Génie Industriel - 9

Plus en détail

Probabilités conditionnelles

Probabilités conditionnelles Probabilités conditionnelles Exercice Dans une usine, on utilise conjointement deux machines M et M 2 pour fabriquer des pièces cylindriques en série. Pour une période donnée, leurs probabilités de tomber

Plus en détail

Données bilingues pour la TAS français-anglais : impact de la langue source et direction de traduction originales sur la qualité de la traduction

Données bilingues pour la TAS français-anglais : impact de la langue source et direction de traduction originales sur la qualité de la traduction TALN 2009, Senlis, 24 26 juin 2009 Données bilingues pour la TAS français-anglais : impact de la langue source et direction de traduction originales sur la qualité de la traduction Sylwia Ozdowska National

Plus en détail

!" JE en didactique LANSAD, Maison des langues, Université de Poitiers, 28 mai 2015

! JE en didactique LANSAD, Maison des langues, Université de Poitiers, 28 mai 2015 Projet de tutorat à distance FLE! Le français en (première) ligne! Poitiers-Evry! Pascale TREVISIOL-OKAMURA Université de Poitiers, FoReLL - EA 3816!" JE en didactique LANSAD, Maison des langues, Université

Plus en détail

Traduction automatique et assistée

Traduction automatique et assistée Traduction automatique et assistée Damien Nouvel Damien Nouvel (Inalco) Traduction automatique et assistée 1 / 12 Automatiser la traduction Plan 1. Automatiser la traduction 2. Traduction automatique 3.

Plus en détail

Les probabilités. Chapitre 18. Tester ses connaissances

Les probabilités. Chapitre 18. Tester ses connaissances Chapitre 18 Les probabilités OBJECTIFS DU CHAPITRE Calculer la probabilité d événements Tester ses connaissances 1. Expériences aléatoires Voici trois expériences : - Expérience (1) : on lance une pièce

Plus en détail

Bible Works 8, l analyse syntaxique et l identification des cohortatifs III- ה dans le Pentateuque0F1

Bible Works 8, l analyse syntaxique et l identification des cohortatifs III- ה dans le Pentateuque0F1 Bible Works 8, l analyse syntaxique et l identification des cohortatifs III- ה dans le Pentateuque0F1 Robert David Professeur titulaire Faculté de théologie et de sciences des religions Université de Montréal

Plus en détail

Ecole Technique «Transformation de données documentaires» Poitiers, 14-16 mars 2011. Atelier 1: Sphinx. import, conversion, export de données

Ecole Technique «Transformation de données documentaires» Poitiers, 14-16 mars 2011. Atelier 1: Sphinx. import, conversion, export de données Ecole Technique «Transformation de données documentaires» Poitiers, 14-16 mars 2011 Atelier 1: Sphinx import, conversion, export de données Introduction à la Recherche d'ist via le Web INRA Grignon, 03/2011

Plus en détail

L enseignement de l algorithmique au Lycée

L enseignement de l algorithmique au Lycée L enseignement de l algorithmique au Lycée Sisteron 12 novembre 2009 Fernand Didier didier@irem.univ-mrs.fr Approche naïve C est une méthode, une façon systématique de procéder, pour faire quelque chose

Plus en détail

Textos au Canada : encodage, analyses en cours et analyses projetées

Textos au Canada : encodage, analyses en cours et analyses projetées Textos au Canada : encodage, analyses en cours et analyses projetées Christian Guilbault, Université Simon Fraser Patrick Drouin, Université de Montréal Plan de cette présentation 1. Texto4science.ca :

Plus en détail

CRÉER UN COURS EN LIGNE

CRÉER UN COURS EN LIGNE Anne DELABY CRÉER UN COURS EN LIGNE Deuxième édition, 2006, 2008 ISBN : 978-2-212-54153-3 2 Que recouvre le concept d interactivité? Dans une perspective de cours en ligne, une activité interactive est

Plus en détail

TP Recherche d'information

TP Recherche d'information Master Modélisation Informatique des Connaissances et du Raisonnement (MICR) Cours Recherche et Extraction d'information TP Recherche d'information L'objectif global du TP de Recherche d'information est

Plus en détail

ONCE UPON A TIME IN THE HEART OF SCOTLAND

ONCE UPON A TIME IN THE HEART OF SCOTLAND ONCE UPON A TIME IN THE HEART OF SCOTLAND Table des matières Fiche professeur... 2 Fiche élève... 5 Narration de séance et productions d élèves... 6 1 Fiche professeur ONCE UPON A TIME IN THE HEART OF

Plus en détail

Production de documents auto-explicatifs en annotant les passages ambigus avec le sens choisi par leur auteur

Production de documents auto-explicatifs en annotant les passages ambigus avec le sens choisi par leur auteur Production de documents auto-explicatifs en annotant les passages ambigus avec le sens choisi par leur auteur Hervé Blanchon herve.blanchon@imag.fr Plan Introduction LIDIA-3 : démonstration LIDIA-3 : implémentation

Plus en détail

PJE : Analyse de comportements avec Twitter Classification supervisée

PJE : Analyse de comportements avec Twitter Classification supervisée PJE : Analyse de comportements avec Twitter Classification supervisée Arnaud Liefooghe arnaud.liefooghe@univ-lille1.fr Master 1 Informatique PJE2 2015-16 B. Derbel L. Jourdan A. Liefooghe 1 2 Agenda Partie

Plus en détail

Polytechnique. Épreuve d Informatique 1998

Polytechnique. Épreuve d Informatique 1998 Polytechnique Épreuve d Informatique 1998 Corrigé rédigé par Martine Lannaud, Lycée Chaptal, Paris Pour toute remarque ou correction martine.lannaud@prepas.org Motifs et automates Question 1. Quelques

Plus en détail

Introduction au Makefile

Introduction au Makefile Introduction au Makefile Nicolas Kielbasiewicz 3 mars 2009 Le développement d un programme et plus généralement d un logiciel demande au(x) programmeur(s) de gérer plusieurs fichiers, voire plusieurs langages.

Plus en détail

Utilisation d une approche basée sur la recherche cross-lingue d information pour l alignement de phrases à partir de textes bilingues Arabe-Français

Utilisation d une approche basée sur la recherche cross-lingue d information pour l alignement de phrases à partir de textes bilingues Arabe-Français TALN 007, Toulouse, 5 8 juin 007 Utilisation d une approche basée sur la recherche cross-lingue d information pour l alignement de phrases à partir de textes bilingues Arabe-Français Nasredine SEMMAR (1),

Plus en détail

Description du projet

Description du projet Polytech Paris Sud > Et4 Informatique > Recherche d information dans les textes Description du projet Ce projet est à réaliser en groupes de 4 ou 5 étudiants et sera à rendre collectivement. Le rendu sera

Plus en détail

Chapitre I. Probabilités. Bcpst 1 2 novembre 2015. I Exemples d expériences aléatoires

Chapitre I. Probabilités. Bcpst 1 2 novembre 2015. I Exemples d expériences aléatoires Chapitre I Probabilités Bcpst 1 2 novembre 2015 I Exemples d expériences aléatoires Une expérience aléatoire est une expérience dont on ne peut pas prédire le résultat avant de l avoir réalisée... ce qui

Plus en détail