Introduction à l Intelligence Artificielle
|
|
- Jean-Claude Edgar Cormier
- il y a 8 ans
- Total affichages :
Transcription
1 Introduction à l Intelligence Artificielle p. 1/41 Introduction à l Intelligence Artificielle Cyril Terrioux Laboratoire des Sciences de l Information et des Systèmes LSIS - UMR CNRS 6168
2 Introduction à l Intelligence Artificielle p. 2/41 Plan 1. Introduction 2. L histoire de l IA 3. Vers une définition de l IA 4. Les domaines concernés par l IA 5. Quelques applications de l IA 6. Intérêts de l IA 7. Quelques difficultés rencontrées en IA 8. Ce qui sera abordé dans ce cours
3 Introduction à l Intelligence Artificielle p. 3/41 Plan 1. Introduction 2. L histoire de l IA 3. Vers une définition de l IA 4. Les domaines concernés par l IA 5. Quelques applications de l IA 6. Intérêts de l IA 7. Quelques difficultés rencontrées en IA 8. Ce qui sera abordé dans ce cours
4 Qu est-ce que l Intelligence? Introduction à l Intelligence Artificielle p. 4/41
5 Introduction à l Intelligence Artificielle p. 4/41 Qu est-ce que l Intelligence? La définition du Larousse : Faculté de comprendre, de saisir par la pensée. Aptitude à s adapter à une situation, à choisir en fonction des circonstances.
6 Introduction à l Intelligence Artificielle p. 5/41 Qu est-ce que l Intelligence? Quelques exemples de tâches "intelligentes" : le raisonnement de bon sens l étude des sciences (physique, mathématiques,... ), la compréhension d une langue, l écriture de logiciels, la conduite d un véhicule.
7 Introduction à l Intelligence Artificielle p. 6/41 Qu est-ce que l Intelligence Artificielle? Il est difficile de donner une définition précise : la difficulté à définir l Intelligence de nombreux domaines sont concernés par l IA
8 Introduction à l Intelligence Artificielle p. 6/41 Qu est-ce que l Intelligence Artificielle? Il est difficile de donner une définition précise : la difficulté à définir l Intelligence de nombreux domaines sont concernés par l IA Une définition approximative : "Reproduire le comportement humain"
9 Introduction à l Intelligence Artificielle p. 6/41 Qu est-ce que l Intelligence Artificielle? Il est difficile de donner une définition précise : la difficulté à définir l Intelligence de nombreux domaines sont concernés par l IA Une définition approximative : "Reproduire le comportement humain" Une définition approximative plus générale : "Reproduire le comportement animal"
10 Introduction à l Intelligence Artificielle p. 7/41 Plan 1. Introduction 2. L histoire de l IA 3. Vers une définition de l IA 4. Les domaines concernés par l IA 5. Quelques applications de l IA 6. Intérêts de l IA 7. Quelques difficultés rencontrées en IA 8. Ce qui sera abordé dans ce cours
11 Introduction à l Intelligence Artificielle p. 8/41 La préhistoire ( ) Premier problème étudié : Traduction automatique
12 Introduction à l Intelligence Artificielle p. 8/41 La préhistoire ( ) Premier problème étudié : Traduction automatique Résultat : un échec
13 Introduction à l Intelligence Artificielle p. 8/41 La préhistoire ( ) Premier problème étudié : Traduction automatique Résultat : un échec Mais, on a tira des enseignements : importance des connaissances non exprimées, étude de la représentation des connaissances, impossibilité de représenter toutes les connaissances, nécessité de les rédiger sous forme générique.
14 Introduction à l Intelligence Artificielle p. 9/41 La préhistoire ( ) Test de Turing : un jeu avec 3 joueurs A, B et C C doit deviner de A et de B qui est un homme et qui est une femme C pose des questions à A et B le joueur A tente d induire C en erreur le joueur B joue le jeu
15 Introduction à l Intelligence Artificielle p. 9/41 La préhistoire ( ) Test de Turing : un jeu avec 3 joueurs A, B et C C doit deviner de A et de B qui est un homme et qui est une femme C pose des questions à A et B le joueur A tente d induire C en erreur le joueur B joue le jeu Que se passe-t-il quand on remplace A par une machine? C échouera-t-il aussi souvent?
16 Introduction à l Intelligence Artificielle p. 10/41 Les balbutiements ( ) 1956 : John McCarthy invente le terme IA. Postulat : toute activité intelligente est modélisable et reproductible par une machine. LOGIC THEORIST : premier programme pour la démonstration de théorèmes 1957 : GPS (General Problem Solver) NSS (jeu d échecs) 1960 : Algorithme de Davis et Putnam...
17 Introduction à l Intelligence Artificielle p. 11/41 La spécialisation ( ) De nombreuses ramifications vont se créer : compréhension du langage naturel, démonstration automatique de théorèmes, représentation des connaissances, programmation des jeux, résolution de problèmes,...
18 Introduction à l Intelligence Artificielle p. 12/41 L essor (1980-????) Avancée technologique de l informatique Exemples : Les systèmes experts deviennent opérationnels en chimie, en médecine, en géologie ou dans l industrie. Deep Blue bat Kasparov (1997). La recherche publique ou privée se développe.
19 Introduction à l Intelligence Artificielle p. 13/41 Plan 1. Introduction 2. L histoire de l IA 3. Vers une définition de l IA 4. Les domaines concernés par l IA 5. Quelques applications de l IA 6. Intérêts de l IA 7. Quelques difficultés rencontrées en IA 8. Ce qui sera abordé dans ce cours
20 Introduction à l Intelligence Artificielle p. 14/41 L approche cognitive Une approche pluridisciplinaire mêlant linguistes, informaticiens et psychologues Etude des processus du raisonnement humain L IA est la réalisation des programmes imitant dans leur fonctionnement l esprit humain. Exemple : la compréhension du langage naturel
21 Introduction à l Intelligence Artificielle p. 15/41 L approche pragmatiste Objectif : produire des algorithmes à partir de l étude du problème en tenant compte des contraintes matérielles. IA = boîte noire Boîte intelligente si elle réussit un certain nombre de tests (par exemple Test de Turing)
22 Introduction à l Intelligence Artificielle p. 16/41 L approche connexioniste Une approche fondamentalement différente Aucun apprentissage symbolique, aucun algorithme Mais une modélisation du fonctionnement des neurones Réseaux de neurones capables : d apprendre à partir d exemples, de généraliser (empiriquement) cet apprentissage.
23 Introduction à l Intelligence Artificielle p. 17/41 Une définition générale L IA vise à faire exécuter par l ordinateur des tâches pour lesquelles l Homme est actuellement meilleur que la machine.
24 Introduction à l Intelligence Artificielle p. 17/41 Une définition générale L IA vise à faire exécuter par l ordinateur des tâches pour lesquelles l Homme est actuellement meilleur que la machine. Remarque : Un problème dit d IA aujourd hui ne le sera peut-être plus demain!
25 Introduction à l Intelligence Artificielle p. 18/41 Plan 1. Introduction 2. L histoire de l IA 3. Vers une définition de l IA 4. Les domaines concernés par l IA 5. Quelques applications de l IA 6. Intérêts de l IA 7. Quelques difficultés rencontrées en IA 8. Ce qui sera abordé dans ce cours
26 Introduction à l Intelligence Artificielle p. 19/41 L informatique Algorithmique Théorie de la complexité Imagerie Numérique Logique Bases de données Langage naturel...
27 Introduction à l Intelligence Artificielle p. 19/41 L informatique Algorithmique écriture, preuve et complexité des algorithmes Théorie de la complexité Imagerie Numérique Logique Bases de données Langage naturel...
28 Introduction à l Intelligence Artificielle p. 19/41 L informatique Algorithmique Théorie de la complexité complexité des problèmes Imagerie Numérique Logique Bases de données Langage naturel...
29 Introduction à l Intelligence Artificielle p. 19/41 L informatique Algorithmique Théorie de la complexité Imagerie Numérique traitement de l image Logique Bases de données Langage naturel...
30 Introduction à l Intelligence Artificielle p. 19/41 L informatique Algorithmique Théorie de la complexité Imagerie Numérique Logique logique propositionnelle logique du premier ordre logique non monotone Bases de données Langage naturel...
31 Introduction à l Intelligence Artificielle p. 19/41 L informatique Algorithmique Théorie de la complexité Imagerie Numérique Logique Bases de données apprentissage fouilles de données Langage naturel...
32 Introduction à l Intelligence Artificielle p. 19/41 L informatique Algorithmique Théorie de la complexité Imagerie Numérique Logique Bases de données Langage naturel compréhension du langage naturel analyses lexicales et syntaxiques sémantique...
33 Introduction à l Intelligence Artificielle p. 20/41 Les mathématiques Outils mathématiques Logique Preuve de théorèmes...
34 Introduction à l Intelligence Artificielle p. 20/41 Les mathématiques Outils mathématiques objets mathématiques (arbres, graphes,... ) les probabilités... Logique Preuve de théorèmes...
35 Introduction à l Intelligence Artificielle p. 21/41 Les sciences humaines Logique Langage naturel Fonctionnement du raisonnement humain...
36 Introduction à l Intelligence Artificielle p. 21/41 Les sciences humaines Logique Langage naturel étude des techniques de compréhension du langage naturel étude linguistique Fonctionnement du raisonnement humain...
37 Introduction à l Intelligence Artificielle p. 21/41 Les sciences humaines Logique Langage naturel Fonctionnement du raisonnement humain étude des processus mis en œuvre par le cerveau humain...
38 Introduction à l Intelligence Artificielle p. 22/41 Autres domaines intéressants pour l IA La médecine La biologie La physique et la chimie...
39 Introduction à l Intelligence Artificielle p. 23/41 Plan 1. Introduction 2. L histoire de l IA 3. Vers une définition de l IA 4. Les domaines concernés par l IA 5. Quelques applications de l IA 6. Intérêts de l IA 7. Quelques difficultés rencontrées en IA 8. Ce qui sera abordé dans ce cours
40 Introduction à l Intelligence Artificielle p. 24/41 Traitement du langage naturel Quelques problèmes : compréhension d un langage naturel synthèse de phrase traduction automatique...
41 Introduction à l Intelligence Artificielle p. 25/41 Traitement du langage naturel Les difficultés : processus extrêmement complexes aucune logique mathématique les règles et les exceptions sont nombreuses (aspect syntaxique) les ambiguïtés aussi nécessité d exploiter l aspect sémantique
42 Introduction à l Intelligence Artificielle p. 26/41 Traitement du langage naturel Exemples : "La porte ferme mal"
43 Introduction à l Intelligence Artificielle p. 26/41 Traitement du langage naturel Exemples : "La porte ferme mal" art. nom verbe adv.
44 Introduction à l Intelligence Artificielle p. 26/41 Traitement du langage naturel Exemples : "La porte ferme mal" art. nom verbe adv. pron. verbe nom nom
45 Introduction à l Intelligence Artificielle p. 26/41 Traitement du langage naturel Exemples : "La porte ferme mal" art. nom verbe adv. pron. verbe nom nom "La ferme"
46 Introduction à l Intelligence Artificielle p. 26/41 Traitement du langage naturel Exemples : "La porte ferme mal" art. nom verbe adv. pron. verbe nom nom "La art. pron. ferme" nom verbe
47 Introduction à l Intelligence Artificielle p. 27/41 Problèmes de vision Quelques problèmes : analyse de scène analyse sémantique du contenu... Exemple : analyse de flux vidéo (INA)
48 Introduction à l Intelligence Artificielle p. 28/41 Planification de tâches Quelques problèmes : calcul d un plan calcul du meilleur plan prise en compte de contraintes temporelles... Exemples : transports de passagers ou de marchandises fabrication à la chaîne
49 Introduction à l Intelligence Artificielle p. 29/41 Robotique Quelques problèmes : problème de vision planifications de tâches problème de représentation de l environnement vitesse de réaction...
50 Introduction à l Intelligence Artificielle p. 30/41 Fouilles de données Quelques problèmes : définition de langage représentation des connaissances déduction de nouvelles informations... Exemples : définition du profil type des visiteurs d un site recherche médicale
51 Introduction à l Intelligence Artificielle p. 31/41 Systèmes experts Quelques exemples : diagnostic médical, détection de panne, analyse chimique, prospection géologique, configuration d ordinateur (DEC)...
52 Introduction à l Intelligence Artificielle p. 32/41 Les jeux Quelques problèmes : théorie des jeux temps de réponse... Exemples : Jeux vidéo Jeux d échecs, de dames, de go,...
53 Introduction à l Intelligence Artificielle p. 33/41 Plan 1. Introduction 2. L histoire de l IA 3. Vers une définition de l IA 4. Les domaines concernés par l IA 5. Quelques applications de l IA 6. Intérêts de l IA 7. Quelques difficultés rencontrées en IA 8. Ce qui sera abordé dans ce cours
54 Introduction à l Intelligence Artificielle p. 34/41 Sur le plan économique réduction des investissements : opérateurs de téléphonie mobile industrie réduction des coûts : transport de passagers ou de marchandises industrie
55 Introduction à l Intelligence Artificielle p. 35/41 Sur le plan économique Sociétés spécialisées : Bouygues E-lab, Cosytec, France Télécom R&D ILOG, PROLOGIA,...
56 Introduction à l Intelligence Artificielle p. 36/41 Sur le plan humain meilleures prévisions des risques climatiques envoi de robots faciliter l accès à l information des logiciels toujours plus efficaces des jeux toujours plus réalistes
57 Introduction à l Intelligence Artificielle p. 37/41 Plan 1. Introduction 2. L histoire de l IA 3. Vers une définition de l IA 4. Les domaines concernés par l IA 5. Quelques applications de l IA 6. Intérêts de l IA 7. Quelques difficultés rencontrées en IA 8. Ce qui sera abordé dans ce cours
58 Introduction à l Intelligence Artificielle p. 38/41 Quelques difficultés rencontrées en IA Difficultés de modélisation : les problèmes ne sont pas toujours parfaitement définis
59 Introduction à l Intelligence Artificielle p. 38/41 Quelques difficultés rencontrées en IA Difficultés de modélisation : les problèmes ne sont pas toujours parfaitement définis certaines notions sont difficiles à exprimer : possibilité, probabilité, préférence,...
60 Introduction à l Intelligence Artificielle p. 38/41 Quelques difficultés rencontrées en IA Difficultés de modélisation : les problèmes ne sont pas toujours parfaitement définis certaines notions sont difficiles à exprimer : possibilité, probabilité, préférence,... Difficultés de résolution : Difficultés de conception des algorithmes
61 Introduction à l Intelligence Artificielle p. 38/41 Quelques difficultés rencontrées en IA Difficultés de modélisation : les problèmes ne sont pas toujours parfaitement définis certaines notions sont difficiles à exprimer : possibilité, probabilité, préférence,... Difficultés de résolution : Difficultés de conception des algorithmes Espaces de recherche très vastes Problèmes de temps de réponse
62 Introduction à l Intelligence Artificielle p. 39/41 Quelques difficultés rencontrées en IA Difficultés technologiques : Toute avancée peut rendre des méthodes opérationnelles
63 Introduction à l Intelligence Artificielle p. 39/41 Quelques difficultés rencontrées en IA Difficultés technologiques : Toute avancée peut rendre des méthodes opérationnelles Difficultés de généralisation : Les méthodes sont souvent dédiées à un problème particulier
64 Introduction à l Intelligence Artificielle p. 39/41 Quelques difficultés rencontrées en IA Difficultés technologiques : Toute avancée peut rendre des méthodes opérationnelles Difficultés de généralisation : Les méthodes sont souvent dédiées à un problème particulier Des problèmes très variés
65 Introduction à l Intelligence Artificielle p. 40/41 Plan 1. Introduction 2. L histoire de l IA 3. Vers une définition de l IA 4. Les domaines concernés par l IA 5. Quelques applications de l IA 6. Intérêts de l IA 7. Quelques difficultés rencontrées en IA 8. Ce qui sera abordé dans ce cours
66 Introduction à l Intelligence Artificielle p. 41/41 Ce qui sera abordé dans ce cours La représentation des connaissances : différents formalismes (Graphes d états, CSP, logique propositionnelle,... ) raisonnements sur ces formalismes
67 Introduction à l Intelligence Artificielle p. 41/41 Ce qui sera abordé dans ce cours La représentation des connaissances : différents formalismes (Graphes d états, CSP, logique propositionnelle,... ) raisonnements sur ces formalismes La théorie des jeux quelques techniques pour les jeux à deux joueurs illustrations pour le jeu d échecs les limites pratiques
68 Introduction à l Intelligence Artificielle p. 41/41 Ce qui sera abordé dans ce cours La représentation des connaissances : différents formalismes (Graphes d états, CSP, logique propositionnelle,... ) raisonnements sur ces formalismes La théorie des jeux quelques techniques pour les jeux à deux joueurs illustrations pour le jeu d échecs les limites pratiques La planification de tâches
Intelligence Articielle (1) Introduction
1/32 Introduction Un peu d'histoire Les nouveaux dés Intelligence Articielle (1) Introduction Pierre Gançarski Université de Strasbourg IUT Robert Schuman DUT Informatique /32 Plan 1 Introduction 2 Un
Plus en détailIntelligence Artificielle et Robotique
Intelligence Artificielle et Robotique Introduction à l intelligence artificielle David Janiszek david.janiszek@parisdescartes.fr http://www.math-info.univ-paris5.fr/~janiszek/ PRES Sorbonne Paris Cité
Plus en détailIntelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com
Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines
Plus en détailLes apports de l informatique. Aux autres disciplines
Les apports de l informatique Aux autres disciplines Le statut de technologie ou de sous-discipline est celui de l importation l et de la vulgarisation Le statut de science à part entière est lorsqu il
Plus en détailJade. Projet Intelligence Artificielle «Devine à quoi je pense»
Jade Projet Intelligence Artificielle «Devine à quoi je pense» Réalisé par Djénéba Djikiné, Alexandre Bernard et Julien Lafont EPSI CSII2-2011 TABLE DES MATIÈRES 1. Analyse du besoin a. Cahier des charges
Plus en détailÉvaluation et implémentation des langages
Évaluation et implémentation des langages Les langages de programmation et le processus de programmation Critères de conception et d évaluation des langages de programmation Les fondations de l implémentation
Plus en détailApprentissage Automatique
Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
Plus en détailMaster Informatique Aix-Marseille Université
Aix-Marseille Université http://masterinfo.univ-mrs.fr/ Département Informatique et Interactions UFR Sciences Laboratoire d Informatique Fondamentale Laboratoire des Sciences de l Information et des Systèmes
Plus en détailCours 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 détailIODAA. de l 1nf0rmation à la Décision par l Analyse et l Apprentissage / 21
IODAA de l 1nf0rmation à la Décision par l Analyse et l Apprentissage IODAA Informations générales 2 Un monde nouveau Des données numériques partout en croissance prodigieuse Comment en extraire des connaissances
Plus en détailBABEL LEXIS : UN SYSTÈME ÉVOLUTIF PERMETTANT LA CRÉATION, LE STOCKAGE ET LA CONSULTATION D OBJETS HYPERMÉDIAS
Quatrième colloque hypermédias et apprentissages 275 BABEL LEXIS : UN SYSTÈME ÉVOLUTIF PERMETTANT LA CRÉATION, LE STOCKAGE ET LA CONSULTATION D OBJETS HYPERMÉDIAS Anne-Olivia LE CORNEC, Jean-Marc FARINONE,
Plus en détailTout au long de votre cursus Quel métier futur? Dans quel secteur d activité? En fonction de vos goûts et aptitudes et du «niveau d emploi» dans ce
Tout au long de votre cursus Quel métier futur? Dans quel secteur d activité? En fonction de vos goûts et aptitudes et du «niveau d emploi» dans ce «profil» S orienter (éventuellement se réorienter) dans
Plus en détailLaboratoire d informatique Gaspard-Monge UMR 8049. Journée Labex Bézout- ANSES
Laboratoire d informatique Gaspard-Monge UMR 8049 Journée Labex Bézout- ANSES Présentation du laboratoire 150 membres, 71 chercheurs et enseignants-chercheurs, 60 doctorants 4 tutelles : CNRS, École des
Plus en détailSpécialité IAD. Master de Sciences et technologie de l UPMC. Mention informatique. Partenaires : ENST, ENSTA. Responsables : T. Artières, C.
Master de Sciences et technologie de l UPMC Mention informatique Spécialité IAD Partenaires : ENST, ENSTA Responsables : T. Artières, C. Gonzales Secrétariat : N. Nardy LES THÉMATIQUES ABORDÉES Les thématiques
Plus en détailLA PNL. Programmation Neuro Linguistique
LA PNL Programmation Neuro Linguistique Définition : Programmation «A partir des expériences que nous vivons depuis notre enfance (et peut être avant), nous nous créons des programmes de fonctionnement
Plus en détailAXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES
1 AXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES 2 Axes de recherche L activité du DIM LSC concerne la méthodologie de la conception et le développement de systèmes à forte
Plus en détailMASTER (LMD) MODELISATION, OPTIMISATION, COMBINATOIRE ET ALGORITHME
MASTER (LMD) MODELISATION, OPTIMISATION, COMBINATOIRE ET ALGORITHME RÉSUMÉ DE LA FORMATION Type de diplôme : Master (LMD) Domaine ministériel : Sciences, Technologies, Santé Mention : INFORMATIQUE Spécialité
Plus en détailUFR d Informatique. FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018
UFR d Informatique FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE 2014-2018 Objectif L UFR d informatique propose au niveau du master, deux spécialités sous la mention informatique
Plus en détailUtilisation des tableaux sémantiques dans les logiques de description
Utilisation des tableaux sémantiques dans les logiques de description IFT6281 Web Sémantique Jacques Bergeron Département d informatique et de recherche opérationnelle Université de Montréal bergerja@iro.umontreal.ca
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Gilles Gasso, Stéphane Canu INSA Rouen -Département ASI Laboratoire LITIS 8 septembre 205. Ce cours est librement inspiré du cours DM de Alain Rakotomamonjy Gilles Gasso, Stéphane
Plus en détailIntroduction. Le recrutement est un processus incontournable dans la vie de toute entreprise.
Introduction Le recrutement est un processus incontournable dans la vie de toute entreprise. Recruter présente un enjeu stratégique et sociétal pour l entreprise en termes de 2 : 1. Productivité : le choix
Plus en détailProgramme scientifique Majeure INTELLIGENCE NUMERIQUE. Mentions Image et Réalité Virtuelle Intelligence Artificielle et Robotique
É C O L E D I N G É N I E U R D E S T E C H N O L O G I E S D E L I N F O R M A T I O N E T D E L A C O M M U N I C A T I O N Programme scientifique Majeure INTELLIGENCE NUMERIQUE Langage Java Mentions
Plus en détailLES LANGUES EN DANGER : UN DÉFI POUR LES TECHNOLOGIES DE LA LANGUE
2 LES LANGUES EN DANGER : UN DÉFI POUR LES TECHNOLOGIES DE LA LANGUE Nous vivons une révolution numérique qui a un impact fort sur la communication et la société. Les développements récents des technologies
Plus en détailL apprentissage automatique
L apprentissage automatique L apprentissage automatique L'apprentissage automatique fait référence au développement, à l analyse et à l implémentation de méthodes qui permettent à une machine d évoluer
Plus en détailLETTRE DE VEILLE #30. Technologies, marchés et défis
LETTRE DE VEILLE #30 Technologies, marchés et défis SOMMAIRE 3 Editorial 4 Enjeux L INTELLIGENCE ARTIFI- CIELLE AU COEUR DES EFFORTS DE RECHERCHE Cadrage - Focus sur la robotique 6 Robotique et intelligence
Plus en détailIntroduction à la robotique Licence 1ère année - 2011/2012
Introduction à la robotique Licence 1ère année - 2011/2012 Laëtitia Matignon GREYC-CNRS Université de Caen, France Laetitia Matignon Université de Caen 1 / 61 Plan Définitions 1 Définitions 2 3 Robots
Plus en détailLes technologies du Big Data
Les technologies du Big Data PRÉSENTÉ AU 40 E CONGRÈS DE L ASSOCIATION DES ÉCONOMISTES QUÉBÉCOIS PAR TOM LANDRY, CONSEILLER SENIOR LE 20 MAI 2015 WWW.CRIM.CA TECHNOLOGIES: DES DONNÉES JUSQU'À L UTILISATEUR
Plus en détailInformatique et mathématiques
Informatique Discipline qui traite de tous les aspects, tant théoriques que pratiques, reliés à la conception, à la programmation, au fonctionnement et à l utilisation des ordinateurs. Algorithmique Étude
Plus en détailUne brève introduction aux Sciences Cognitives
Une brève introduction aux Sciences Cognitives Sommaire Une brève introduction aux Sciences Cognitives... 1 1. Introduction... 1 2. Objet et enjeux des Sciences Cognitives... 2 2.1. Historique... 2 2.2.
Plus en détailEtudier l informatique
Etudier l informatique à l Université de Genève 2015-2016 Les bonnes raisons d étudier l informatique à l UNIGE La participation à des dizaines de projets de recherche européens Dans la présente brochure,
Plus en détailACCÈS SÉMANTIQUE AUX BASES DE DONNÉES DOCUMENTAIRES
ACCÈS SÉMANTIQUE AUX BASES DE DONNÉES DOCUMENTAIRES Techniques symboliques de traitement automatique du langage pour l indexation thématique et l extraction d information temporelle Thèse Défense publique
Plus en détailPartenaires: w w w. c o g m a s t e r. n e t
Partenaires: w w w. c o g m a s t e r. n e t Une approche interdisciplinaire et intégrative neuropsychologie psychologie neuroanatomie linguistique philosophie SCIENCES COGNITIVES logique/probas neurosciences
Plus en détailCours 1 : Qu est-ce que la programmation?
1/65 Introduction à la programmation Cours 1 : Qu est-ce que la programmation? Yann Régis-Gianas yrg@pps.univ-paris-diderot.fr Université Paris Diderot Paris 7 2/65 1. Sortez un appareil qui peut se rendre
Plus en détailcontemporaine 19 3. Observation et explication en psychologie cognitive 24 4. Théorie du traitement de l information et psychologie cognitive 40
cognitive1 CHAPITRE La psychologie présentation générale Sommaire 1. La psychologie cognitive et les sciences cognitives 13 2. Les racines de la psychologie cognitive contemporaine 19 3. Observation et
Plus en détailLe Futur de la Visualisation d Information. Jean-Daniel Fekete Projet in situ INRIA Futurs
Le Futur de la Visualisation d Information Jean-Daniel Fekete Projet in situ INRIA Futurs La visualisation d information 1.Présentation 2.Bilan 3.Perspectives Visualisation : 3 domaines Visualisation scientifique
Plus en détailC est quoi un centre d apprentissage Les centres d apprentissage sont des lieux d exploration et de manipulation qui visent l acquisition de
C est quoi un centre d apprentissage Les centres d apprentissage sont des lieux d exploration et de manipulation qui visent l acquisition de connaissances, la pratique d habilités ou le développement d
Plus en détailDossier justificatif des travaux de R&D déclarés au titre du CIR
Dossier justificatif des travaux de R&D déclarés au titre du CIR I PRÉSENTATION DE LA SOCIETE Présenter l activité de la société en quelques lignes ou au moyen d une plaquette publicitaire et replacer
Plus en détailNotions et définitions utiles
Notions et définitions utiles 1 Notions et définitions utiles I. Notions d usage 1. La notion de compétitivité. La notion de «compétitivité» est la symbolique de l enjeu de développement des entreprises.
Plus en détailEnvironnement Architecture de controle. Décisions
Chapitre 1 Introduction 1.1 Robot Mobile Il existe diverses définitions du terme robot, mais elles tournent en général autour de celle-ci : Un robot est une machine équipée de capacités de perception,
Plus en détailLes enfants malentendants ont besoin d aide très tôt
13 CHAPITRE 2 Les enfants malentendants ont besoin d aide très tôt Pendant les premières années de leur vie, tous les enfants, y compris les enfants malentendants, apprennent rapidement et facilement les
Plus en détailAnalyse de grandes bases de données en santé
.. Analyse de grandes bases de données en santé Alain Duhamel Michaël Genin Mohamed Lemdani EA 2694 / CERIM Master 2 Recherche Biologie et Santé Journée Thématique Fouille de Données Plan. 1 Problématique.
Plus en détailContribution aux rapports entre la logique combinatoire et les T[Σ]-algèbres.
UNIVERSITÉ PARIS-SORBONNE ÉCOLE DOCTORALE V «CONCEPTS ET LANGAGES» Laboratoire de recherche «Langues, Logiques, Informatique, Cognition (STIH-LaLIC)» T H È S E pour obtenir le grade de DOCTEUR DE L UNIVERSITÉ
Plus en détailAnthropologue, ethnologue, géographe, historien de l'art, ingénieur, informaticiens, mathématicien, pédagogue, sociologue, Étudiants en tourisme
Conférence régionale de l'économie touristique sur l'innovation Orléans, 1er Octobre 2014 Imagitour? PROGRAMME IMAGITOUR Une équipe multidisciplinaire Une épistémologie commune La recherche de demain DU
Plus en détailN 334 - SIMON Anne-Catherine
N 334 - SIMON Anne-Catherine RÉALISATION D UN CDROM/DVD CONTENANT DES DONNÉES DU LANGAGE ORAL ORGANISÉES EN PARCOURS DIDACTIQUES D INITIATION LINGUISTIQUE A PARTIR DES BASES DE DONNÉES VALIBEL Introduction
Plus en détailDécision Markovienne appliquée à un jeu de stop ou encore : Pickomino (Heckmeck Am Bratwurmeck)
Décision Markovienne appliquée à un jeu de stop ou encore : Pickomino (Heckmeck Am Bratwurmeck) Stéphane Cardon Nathalie Chetcuti-Sperandio Fabien Delorme Sylvain agrue CRI - Université d Artois {cardon,chetcuti,delorme,lagrue}@cril.univ-artois.fr
Plus en détailLa Conscience phonologique
La Conscience phonologique Activités à effectuer en classe ou à la maison Guide pour les parents, les enseignantes et les enseignants 2 Table des matières La conscience phonologique...page 3 La conscience
Plus en détailAnalyse et programmation 1
Analyse et programmation 1 Bienvenue Présentations Moi Qui suis-je? Quels sont mes domaines de compétence? Pourquoi suis-je ici? Comment me contacter : bureau C01a Par courrier électronique : francois.birling@heig-vd.ch
Plus en détailApplications Section candidats
Applications Section candidats Applications pour pratiquer votre Coût Support Compétences Connexion Public/ Niveau Duolingo Gratuit / L application la plus populaire sur le marché! - Learn French très
Plus en détailFilière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.
Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux www.hds.utc.fr/~pmorizet pierre.morizet@utc.fr Plan Motivations Débouchés Formation UVs spécifiques UVs connexes Enseignants
Plus en détailSystèmes décisionnels et programmation avancée
Systèmes décisionnels et programmation avancée M1 SIR Philippe Muller et Mustapha Mojahid, Matthieu Serrurier, Marie-Christine Scheix 2014-2015 Introduction structure du cours intervenants introduction
Plus en détailDossier projet isn 2015 par Victor Gregoire
Dossier projet isn 2015 par Victor Gregoire Plan: I) But du projet: créer un jeu de blackjack fonctionnel et le poster sur une page web mise en ligne. Le jeu sera developpé en C++ a l'aide de code blocks.
Plus en détailMASTER SIS PRO : logique et sécurité DÉTECTION D INTRUSIONS. Odile PAPINI, LSIS. Université de Toulon et du Var. papini@univ-tln.
MASTER SIS PRO : logique et sécurité DÉTECTION D INTRUSIONS Odile PAPINI, LSIS. Université de Toulon et du Var. papini@univ-tln.fr Plan Introduction Généralités sur les systèmes de détection d intrusion
Plus en détailMASTER LPL : LANGUE ET INFORMATIQUE (P)
MASTER LPL : LANGUE ET INFORMATIQUE (P) RÉSUMÉ DE LA FORMATION Type de diplôme := Master Domaine : Arts, Lettres, Langues Mention : LITTERATURE, PHILOLOGIE, LINGUISTIQUE Spécialité : LANGUE ET INFORMATIQUE
Plus en détailMATHEMATIQUES ET SCIENCES POUR L INGENIEUR
MASTER SCIENCES, TECHNOLOGIES, SANTE/STAPS MATHEMATIQUES ET SCIENCES POUR L INGENIEUR Informatique www.univ-littoral.fr OBJECTIFS DE LA FORMATION Le master Informatique se compose de deux parcours et se
Plus en détailFiche de synthèse sur la PNL (Programmation Neurolinguistique)
1 Fiche de synthèse sur la PNL (Programmation Neurolinguistique) La programmation neurolinguistique (PNL) fournit des outils de développement personnel et d amélioration de l efficacité relationnelle dans
Plus en détailmoobee mail vous ouvre les portes de l e-mailing
vous ouvre les portes de l e-ing one to one One to One Développez votre communication. Renforcez votre relation client. La solution e-ing pour gérer et suivre en toute autonomie vos campagnes. Vous préparez
Plus en détailCompte-rendu de Hamma B., La préposition en français
Compte-rendu de Hamma B., La préposition en français Badreddine Hamma To cite this version: Badreddine Hamma. Compte-rendu de Hamma B., La préposition en français. Revue française de linguistique appliquée,
Plus en détailModélisation de raisonnements tenus en contexte. Application à la gestion d incidents sur une ligne de métro.
Thèse Présentée par Laurent Pasquier Pour obtenir le titre de Docteur ès Sciences de l Université Pierre et Marie Curie Spécialité Informatique Modélisation de raisonnements tenus en contexte. Application
Plus en détailChapitre 10. Intelligence artificielle et jeux. http://ow.ly/5iiy8
L'informatique au lycée http://ow.ly/5iiy8 Intelligence artificielle : Partie de l'informatique qui a pour but la simulation de facultés cognitives afin de suppléer l'être humain pour assurer des fonctions
Plus en détailCours 1 : La compilation
/38 Interprétation des programmes Cours 1 : La compilation Yann Régis-Gianas yrg@pps.univ-paris-diderot.fr PPS - Université Denis Diderot Paris 7 2/38 Qu est-ce que la compilation? Vous avez tous déjà
Plus en détailLa philosophie Ludi. recréer cet esprit chaleureux et amical afin de faire passer des bons moments à ses internautes autour d une même passion.
Sommaire 3 Historique 4 L identité Ludi Le jeu de la Belote est apparu en France dans les années 1920 et a connu un grand succès. Longtemps considérée comme le «jeu de cartes du peuple», la belote a conquis
Plus en détailData Mining. Vincent Augusto 2012-2013. École Nationale Supérieure des Mines de Saint-Étienne. Data Mining. V. Augusto.
des des Data Mining Vincent Augusto École Nationale Supérieure des Mines de Saint-Étienne 2012-2013 1/65 des des 1 2 des des 3 4 Post-traitement 5 représentation : 6 2/65 des des Définition générale Le
Plus en détailFonctionnalités HSE PILOT. Groupe QFI www.hse-pilot.com
Fonctionnalités HSE PILOT Groupe QFI www.hse-pilot.com Module produit chimique RECENSEMENT DES PRODUITS Les produits chimiques sont omniprésents dans les entreprises. La gestion qui leur est associée peut
Plus en détailIntelligence Artificielle Planification
Intelligence Artificielle Planification Bruno Bouzy http://web.mi.parisdescartes.fr/~bouzy bruno.bouzy@parisdescartes.fr Licence 3 Informatique UFR Mathématiques et Informatique Université Paris Descartes
Plus en détail2. CONSTRUIRE LE CONCEPT DE. la dialectique enseigner / apprendre
2. CONSTRUIRE LE CONCEPT DE NOMBRE, OUI MAIS COMMENT? la dialectique enseigner / apprendre 1 un modèle d'apprentissage : Piaget psychologie du développement sujet milieu (d'apprentissage) équilibre élément
Plus en détailL intégration des TIC chez les futurs enseignants : votre point de vue
L intégration des TIC chez les futurs enseignants : votre point de vue Réservé à l administration Associés Questionnaire - Enseignants associés 1 QUESTIONNAIRE ENSEIGNANTS ASSOCIÉS Ce questionnaire permettra
Plus en détailWorkflow/DataWarehouse/DataMining. 14-09-98 LORIA - Université d automne 1998 - Informatique décisionnelle - L. Mirtain 1
Workflow/DataWarehouse/DataMining 14-09-98 LORIA - Université d automne 1998 - Informatique décisionnelle - L. Mirtain 1 plan Workflow DataWarehouse Aide à la décision DataMinig Conclusion 14-09-98 LORIA
Plus en détail«La pomme qui voulait voyager»
«La pomme qui voulait voyager» Création d'une suite d histoire à partir d une séquence d'images Type d outil : Démarche d apprentissage en contagion et en construction de langage (Savoir Parler). Auteurs
Plus en détailÉlaborer des objectifs d apprentissage SMART
Élaborer des objectifs d apprentissage SMART Introduction Ce guide vous aidera à élaborer et à rédiger des objectifs d apprentissage «SMART». Un objectif d apprentissage énonce ce que vous souhaitez apprendre
Plus en détailPersonnalisation et recommandation * ENEIDE
Sylvain Garnier InfoStance Reponsable R&D Coordinateur ENEIDE Personnalisation et recommandation * ENEIDE Journée Données et Apprentissage Artificiel (DAPA) du 26 Mars 2009 1 Rapide description des ENT
Plus en détailPourquoi l apprentissage?
Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage
Plus en détailMasses de données. 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA
Masses de données 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA Rédacteurs : Mjo Huguet / N. Jozefowiez 1. Introduction : Besoins Informations et Aide
Plus en détailLa Plateforme GALA. Un projet régional structurant. avec le pôle Cancer-Bio-Santé pour la recherche et l'innovation en galénique CPER 2007-2013
La Plateforme GALA Un projet régional structurant CPER 2007-2013 avec le pôle Cancer-Bio-Santé pour la recherche et l'innovation en galénique Labellisé en avril 2009 Plateforme GALA : quel rôle? Principe
Plus en détailTable des matières. Partie I Les enjeux 1. Avant-propos Préface Introduction. Chapitre 1 Les enjeux de l expérience client 3
Avant-propos Préface Introduction XV XVII XXI Partie I Les enjeux 1 Chapitre 1 Les enjeux de l expérience client 3 1. Une nouvelle ère du développement économique 3 1.1. La digitalisation de l économie
Plus en détailTECHNICIEN PNL - FORMULE INTENSIVE D ETE
TECHNICIEN PNL - FORMULE INTENSIVE D ETE Cette formation est certifiée par la Society of NLP. Dates : du 5 au 14 juillet 2011 Durée : 10 jours (avec 1 jour de «repos» le dimanche 10 juillet) Lieu : Genève
Plus en détailIntelligence 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 détailFrançois Émond psychologue 2003 Centre François-Michelle. Liste des 24 catégories de connaissances et compétences à développer
Programme par Cœur François Émond psychologue 2003 Centre François-Michelle Trousse de consolidation des connaissances et compétences scolaires Attention, mémoire, raisonnement, stratégies, habiletés linguistiques
Plus en détailFORMATION : POSTURE COACH, LES METIERS D ACCOMPAGNEMENT
FORMATION : POSTURE COACH, LES METIERS D ACCOMPAGNEMENT Que vous soyez parent, enseignant, formateur, pédagogue, coach, manager Que votre activité professionnelle ou simplement la quête de vous-même vous
Plus en détailArchitecture de réseau de senseurs : monitoring environnemental et écosystèmes forestiers
Architecture de réseau de senseurs : monitoring environnemental et écosystèmes forestiers Présenté par : Ahmed Lakhssassi, Membres du GRMS : Marek Zaremba, Wojtek Bock et Larbi Talbi Département Informatique
Plus en détailHomophones grammaticaux de catégories différentes. s y si ci
GRAMMATICAUX DE CATÉGORIES DIFFÉRENTES S Y HOMOPHONES SI CI 1 Homophones grammaticaux de catégories différentes s y si ci s y : pronom personnel se (e élidé devant une voyelle) à la troisième personne
Plus en détailmajuscu lettres accent voyelles paragraphe L orthographe verbe >>>, mémoire préfixe et son enseignement singulier usage écrire temps copier mot
majuscu conjugaison >>>, L orthographe singulier syllabe virgule mémoire lettres et son enseignement graphie suffixe usage accent ; écrire féminin temps voyelles mot point Renforcer l enseignement de l
Plus en détailChristophe CANDILLIER Cours de DataMining mars 2004 Page 1
Christophe CANDILLIER Cours de DataMining mars 2004 age 1 1. Introduction 2. rocessus du DataMining 3. Analyse des données en DataMining 4. Analyse en Ligne OLA 5. Logiciels 6. Bibliographie Christophe
Plus en détailSmartClass+ Plateforme de gestion de classe. Qu importe le lieu, le moment, l appareil. ipad, Mac Android Windows Téléphones intelligents «AVEC»
SmartClass+ Plateforme de gestion de classe Qu importe le lieu, le moment, l appareil ipad, Mac Android Windows Téléphones intelligents «AVEC» La classe du XXI e siècle, à l ère du numérique La technologie
Plus en détailLaboratoire 4 Développement d un système intelligent
DÉPARTEMENT DE GÉNIE LOGICIEL ET DES TI LOG770 - SYSTÈMES INTELLIGENTS ÉTÉ 2012 Laboratoire 4 Développement d un système intelligent 1 Introduction Ce quatrième et dernier laboratoire porte sur le développement
Plus en détailMachines virtuelles Cours 1 : Introduction
Machines virtuelles Cours 1 : Introduction Pierre Letouzey 1 pierre.letouzey@inria.fr PPS - Université Denis Diderot Paris 7 janvier 2012 1. Merci à Y. Régis-Gianas pour les transparents Qu est-ce qu une
Plus en détailAméliorer les performances du site par l'utilisation de techniques de Web Mining
Améliorer les performances du site par l'utilisation de techniques de Web Mining CLUB SAS 2001 17/18 octobre 2001 Stéfan Galissie LINCOLN stefan.galissie@lincoln.fr contact@web-datamining.net 2001 Sommaire
Plus en détailMIS 102 Initiation à l Informatique
MIS 102 Initiation à l Informatique Responsables et cours : Cyril Gavoille Catherine Pannier Matthias Robine Marc Zeitoun Planning : 6 séances de cours 5 séances de TD (2h40) 4 séances de TP (2h40) + environ
Plus en détailL utilisation d un réseau de neurones pour optimiser la gestion d un firewall
L utilisation d un réseau de neurones pour optimiser la gestion d un firewall Réza Assadi et Karim Khattar École Polytechnique de Montréal Le 1 mai 2002 Résumé Les réseaux de neurones sont utilisés dans
Plus en détailLES INTERFACES HOMME-MACHINE
LES INTERFACES HOMME-MACHINE 1 ère Partie : Introduction aux Interfaces Homme-Machine 2 ème Partie : Notions de base sur les Sciences Cognitives 3 ème Partie : Recommandations ergonomiques 4 ème Partie
Plus en détailGraines de Sciences. Les scientifiques et leurs ateliers. La physique des super-héros par Roland Lehoucq
Graines de Sciences 16 Les scientifiques et leurs ateliers La physique des super-héros par Roland Lehoucq Soulever une voiture à bout de bras, devenir invisible, se déplacer sur un mur vertical ou avoir
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voies : Mathématiques, physique et sciences de l'ingénieur (MPSI) Physique, chimie et sciences de l ingénieur (PCSI) Physique,
Plus en détailAF 2014-2015. Secteur. Titre. Comité. multimédia et récepteurs. Luminaires. nucléaires. Aspects systèmes Réseaux industriels
Demandes approuvées au regard du CAN-P-2018 AF 2014-2015 Comité CEI/CISPR/A CEI/CISPR/I CEI/SC17A CEI/SC31G CEI/SC31J CEI/SC34D CEI/SC45A CEI/SC45B CEI/SC62A Titre Mesures des perturbations radioélectriques
Plus en détailMaster. en sciences et technologies mention informatique. LIP6 - Frédéric Delvalle
Master en sciences et technologies mention informatique LIP6 - Frédéric Delvalle mention informatique Directeur : Bruno Escoffier Directrice-adjointe : Maria Potop-Butucaru Responsable administrative :
Plus en détail1. Qu est-ce que la conscience phonologique?
1. Qu est-ce que la conscience phonologique? Définition La conscience phonologique est définie comme la connaissance consciente et explicite que les mots du langage sont formés d unités plus petites, à
Plus en détailMerci beaucoup de votre collaboration
QUESTIONNAIRE ENSEIGNANTS ASSOCIÉS Ce questionnaire permettra de recueillir des informations sur l intégration des technologies de l information et de la communication (TIC) chez les futurs enseignants
Plus en détailNOS FORMATIONS MULTIVALENTE
NOS FORMATIONS MULTIVALENTE www.multivalente.com 2 Vente et Négociation Vente et négociation Méthode en 3 temps et 5 mouvements : Revisiter les fondamentaux de la vente comme point d ancrage de toute négociation.
Plus en détail4.2 Unités d enseignement du M1
88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter
Plus en détailRéférencement de votre site Web Google et autres moteurs de recherche (4ième édition)
Chapitre 1 : Introduction A. Google, l incontournable... 15 B. Référencement : Panda et Penguin sont passés par là... 16 C. SEO/SMO 17 D. Propos du livre 18 E. Avant de commencer 19 F. Notre exemple d'illustration
Plus en détailComment utiliser les réseaux sociaux pour redonner le plaisir de la langue française?
CONCOURS D ESSAIS JEAN-ROBERT-GAUTHIER TITRE : Comment utiliser les réseaux sociaux pour redonner le plaisir de la langue française? THÉO ROUTCHENKO 4107 Rue Jean Brillant Montréal H3T-1P2 514-659-0790
Plus en détail