Introduction à l Intelligence Artificielle

Dimension: px
Commencer à balayer dès la page:

Download "Introduction à l Intelligence Artificielle"

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

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 détail

Intelligence Artificielle et Robotique

Intelligence 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 détail

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines

Plus en détail

Les apports de l informatique. Aux autres disciplines

Les 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 détail

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

Jade. Projet Intelligence Artificielle «Devine à quoi je pense» Jade Projet Intelligence Artificielle «Devine à quoi je pense» Réalisé par Djénéba Djikiné, Alexandre Bernard et Julien Lafont EPSI CSII2-2011 TABLE DES MATIÈRES 1. Analyse du besoin a. Cahier des charges

Plus en détail

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

Apprentissage Automatique

Apprentissage 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 détail

Introduction au Data-Mining

Introduction 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 détail

Master Informatique Aix-Marseille Université

Master 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 détail

Cours de Master Recherche

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

Plus en détail

IODAA. 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 / 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 détail

BABEL LEXIS : UN SYSTÈME ÉVOLUTIF PERMETTANT LA CRÉATION, LE STOCKAGE ET LA CONSULTATION D OBJETS HYPERMÉDIAS

BABEL 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 détail

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

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 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 détail

Laboratoire d informatique Gaspard-Monge UMR 8049. Journée Labex Bézout- ANSES

Laboratoire 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 détail

Spécialité IAD. Master de Sciences et technologie de l UPMC. Mention informatique. Partenaires : ENST, ENSTA. Responsables : T. Artières, C.

Spécialité 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 détail

LA PNL. Programmation Neuro Linguistique

LA 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 détail

AXES DE RECHERCHE - DOMAINE D'INTERET MAJEUR LOGICIELS ET SYSTEMES COMPLEXES

AXES 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 détail

MASTER (LMD) MODELISATION, OPTIMISATION, COMBINATOIRE ET ALGORITHME

MASTER (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 détail

UFR 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 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 détail

Utilisation des tableaux sémantiques dans les logiques de description

Utilisation 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 détail

Introduction au Data-Mining

Introduction 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 détail

Introduction. 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. 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 détail

Programme scientifique Majeure INTELLIGENCE NUMERIQUE. Mentions Image et Réalité Virtuelle Intelligence Artificielle et Robotique

Programme 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 détail

LES LANGUES EN DANGER : UN DÉFI POUR LES TECHNOLOGIES DE LA LANGUE

LES 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 détail

L apprentissage automatique

L 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 détail

LETTRE DE VEILLE #30. Technologies, marchés et défis

LETTRE 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 détail

Introduction à la robotique Licence 1ère année - 2011/2012

Introduction 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 détail

Les technologies du Big Data

Les 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 détail

Informatique et mathématiques

Informatique 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 détail

Une brève introduction aux Sciences Cognitives

Une 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 détail

Etudier l informatique

Etudier 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 détail

ACCÈS SÉMANTIQUE AUX BASES DE DONNÉES DOCUMENTAIRES

ACCÈS 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 détail

Partenaires: 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 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 détail

Cours 1 : Qu est-ce que la programmation?

Cours 1 : Qu est-ce que la programmation? 1/65 Introduction à la programmation Cours 1 : Qu est-ce que la programmation? Yann Régis-Gianas yrg@pps.univ-paris-diderot.fr Université Paris Diderot Paris 7 2/65 1. Sortez un appareil qui peut se rendre

Plus en détail

contemporaine 19 3. Observation et explication en psychologie cognitive 24 4. Théorie du traitement de l information et psychologie cognitive 40

contemporaine 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 détail

Le 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 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 détail

C 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 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 détail

Dossier justificatif des travaux de R&D déclarés au titre du CIR

Dossier 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 détail

Notions et définitions utiles

Notions 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 détail

Environnement Architecture de controle. Décisions

Environnement 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 détail

Les enfants malentendants ont besoin d aide très tôt

Les 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 détail

Analyse de grandes bases de données en santé

Analyse 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 détail

Contribution aux rapports entre la logique combinatoire et les T[Σ]-algèbres.

Contribution 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 détail

Anthropologue, ethnologue, géographe, historien de l'art, ingénieur, informaticiens, mathématicien, pédagogue, sociologue, Étudiants en tourisme

Anthropologue, 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 détail

N 334 - SIMON Anne-Catherine

N 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 détail

Décision 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) 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 détail

La Conscience phonologique

La 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 détail

Analyse et programmation 1

Analyse 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 détail

Applications Section candidats

Applications 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 détail

Filière 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. 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 détail

Systèmes décisionnels et programmation avancée

Systèmes décisionnels et programmation avancée Systèmes décisionnels et programmation avancée M1 SIR Philippe Muller et Mustapha Mojahid, Matthieu Serrurier, Marie-Christine Scheix 2014-2015 Introduction structure du cours intervenants introduction

Plus en détail

Dossier projet isn 2015 par Victor Gregoire

Dossier 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 détail

MASTER 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. 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 détail

MASTER LPL : LANGUE ET INFORMATIQUE (P)

MASTER 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 détail

MATHEMATIQUES ET SCIENCES POUR L INGENIEUR

MATHEMATIQUES 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 détail

Fiche de synthèse sur la PNL (Programmation Neurolinguistique)

Fiche 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 détail

moobee mail vous ouvre les portes de l e-mailing

moobee 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 détail

Compte-rendu de Hamma B., La préposition en français

Compte-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 détail

Modélisation de raisonnements tenus en contexte. Application à la gestion d incidents sur une ligne de métro.

Modélisation 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 détail

Chapitre 10. Intelligence artificielle et jeux. http://ow.ly/5iiy8

Chapitre 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 détail

Cours 1 : La compilation

Cours 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 détail

La philosophie Ludi. recréer cet esprit chaleureux et amical afin de faire passer des bons moments à ses internautes autour d une même passion.

La 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 détail

Data Mining. Vincent Augusto 2012-2013. École Nationale Supérieure des Mines de Saint-Étienne. Data Mining. V. Augusto.

Data 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 détail

Fonctionnalités HSE PILOT. Groupe QFI www.hse-pilot.com

Fonctionnalités 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 détail

Intelligence Artificielle Planification

Intelligence Artificielle Planification Intelligence Artificielle Planification Bruno Bouzy http://web.mi.parisdescartes.fr/~bouzy bruno.bouzy@parisdescartes.fr Licence 3 Informatique UFR Mathématiques et Informatique Université Paris Descartes

Plus en détail

2. CONSTRUIRE LE CONCEPT DE. la dialectique enseigner / apprendre

2. 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 détail

L intégration des TIC chez les futurs enseignants : votre point de vue

L 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 détail

Workflow/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 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» «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 détail

Élaborer des objectifs d apprentissage SMART

Élaborer 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 détail

Personnalisation et recommandation * ENEIDE

Personnalisation 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 détail

Pourquoi l apprentissage?

Pourquoi l apprentissage? Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage

Plus en détail

Masses 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 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 détail

La 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. 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 détail

Table des matières. Partie I Les enjeux 1. Avant-propos Préface Introduction. Chapitre 1 Les enjeux de l expérience client 3

Table 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 détail

TECHNICIEN PNL - FORMULE INTENSIVE D ETE

TECHNICIEN 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 détail

Intelligence artificielle appliquée à l automatique

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

Plus en détail

François Émond psychologue 2003 Centre François-Michelle. Liste des 24 catégories de connaissances et compétences à développer

François 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 détail

FORMATION : POSTURE COACH, LES METIERS D ACCOMPAGNEMENT

FORMATION : 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 détail

Architecture de réseau de senseurs : monitoring environnemental et écosystèmes forestiers

Architecture 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 détail

Homophones grammaticaux de catégories différentes. s y si ci

Homophones 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 détail

majuscu lettres accent voyelles paragraphe L orthographe verbe >>>, mémoire préfixe et son enseignement singulier usage écrire temps copier mot

majuscu 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 détail

Christophe CANDILLIER Cours de DataMining mars 2004 Page 1

Christophe 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 détail

SmartClass+ 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» 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 détail

Laboratoire 4 Développement d un système intelligent

Laboratoire 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 détail

Machines virtuelles Cours 1 : Introduction

Machines 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 détail

Améliorer 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 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 détail

MIS 102 Initiation à l Informatique

MIS 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 détail

L 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 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 détail

LES INTERFACES HOMME-MACHINE

LES 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 détail

Graines de Sciences. Les scientifiques et leurs ateliers. La physique des super-héros par Roland Lehoucq

Graines 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 détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes 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 détail

AF 2014-2015. Secteur. Titre. Comité. multimédia et récepteurs. Luminaires. nucléaires. Aspects systèmes Réseaux industriels

AF 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 détail

Master. en sciences et technologies mention informatique. LIP6 - Frédéric Delvalle

Master. 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 détail

1. Qu est-ce que la conscience phonologique?

1. 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 détail

Merci beaucoup de votre collaboration

Merci 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 détail

NOS FORMATIONS MULTIVALENTE

NOS 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 détail

4.2 Unités d enseignement du M1

4.2 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 détail

Référencement de votre site Web Google et autres moteurs de recherche (4ième édition)

Référencement 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 détail

Comment utiliser les réseaux sociaux pour redonner le plaisir de la langue française?

Comment 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