Introduction aux algorithmes de bandit
|
|
- Christelle Ringuette
- il y a 8 ans
- Total affichages :
Transcription
1 Mater MVA: Apprentiage par renforcement Lecture: 3 Introduction aux algorithme de bandit Profeeur: Rémi Muno muno/mater-mva/ Référence bibliographique: Peter Auer, Nicolo Cea-Bianchi, and Paul Ficher. Finite-time analyi of the multi-armed bandit problem. Machine Learning, 47(2/3): , Auer, Cea-Bianchi, Freund, Schapire. The nontochatic multi-armed bandit problem T. L. Lai and Herbert Robbin. Aymptotically efficient adaptive allocation rule. Advance in Applied Mathematic, 6:4-22, 985. Le bandit tochatique à K bra Conidéron K bra (action, choix) défini par de ditribution (ν k ) kk à valeur dan [0, ], de loi inconnue. A chaque intant, l agent choiit un bra I t {,..., K} et oberve une récompene x t ν It, réaliation indépendante (de récompene paée) générée elon la loi du bra I t. Son objectif et de maximier la omme de récompene qu il reçoit, en epérance. Noton µ k = E X νk [X] l epérance de récompene de chaque bra, et µ = max k µ k la valeur moyenne du meilleur bra. Si l agent connaiait le loi, il choiirait alor le meilleur bra à chaque intant et obtiendrait une récompene moyenne µ. Comme il ne connait pa le loi initialement, il doit explorer le différent bra pour acquérir de l information (exploration) qui lui ervira enuite pour agir optimalement (exploitation). Cela illutre le compromi exploration-exploitation. Pour évaluer la performance d une tratégie donnée, on va définir à quelle vitee cette tratégie permet d atteindre un taux de récompene moyen optimal. Pour cela on définit le regret cumulé à l intant n: R n = nµ x t, qui repréente la différence en récompene cumulée entre ce qu il a obtenu et ce qu il aurait pu obtenir en moyenne il avait joué optimalement dè le début. On intéree à définir de tratégie qui ont un petit regret cumulé moyen ER n. Remarquon que ER n = nµ E µ It = E T k (n)(µ µ k ) = E T k (n) k, où k = µ µ k et le gap entre le bra optimal et le bra k, et où T k (n) = n {I t = k} et le nombre de foi que le bra k a été tiré juqu à l intant n. Aini un bon algorithme de bandit devra tirer peu ouvent le bra ou-optimaux.
2 2 Introduction aux algorithme de bandit. Stratégie UCB La tratégie UCB (pour Upper Confidence Bound) [Auer et. al, 2002] conite à choiir le bra: 2 log t I t = arg max B t,tk (t )(k), avec B t, (k) = ˆµ k, +, k où ˆµ k, = i= x k,i et la moyenne empirique de récompene reçue en ayant tiré le bra k (i.e., x k,i et la i-ème récompene reçue en ayant tiré le bra k). Il agit d une tratégie dite optimite dan l incertain. La valeur B t,tk (t )(k) repréente une borne upérieure de µ k en forte probabilité. Aini on choiit le bra qui erait le meilleur i le valeur de bra étaient le meilleure poible (en forte proba), achant ce qui a été obvervé. En effet, rappelon l inégalité de Chernoff-Hoeffding: Soient X i [0, ] variable aléatoire indépendante de moyenne µ = EX i. Alor P ( i= X i µ ɛ ) e 2ɛ2, et P ( X i µ ɛ ) e 2ɛ2. () i= Donc pour t fixé, 2 log t P(ˆµ k, + µ k ) e 4 log(t) = t 4. (2) Et aui: 2 log t P(ˆµ k, µ k ) e 4 log(t) = t 4. (3) Propoition. Chaque bra ou-optimal k et tiré en moyenne au plu ET k (n) 8 log n foi. Donc le regret cumulé moyen d UCB et borné elon ER n = k k ET k (n) 8 + π2 3 k: k >0 log n k Ce réultat établit que le regret cumulé moyen et logarithmique en n. + K π2 3. Proof. Intuition de la preuve: uppoon qu à l intant t le moyenne empirique de bra ont dan leur intervalle de confiance repectif, c et à dire 2 log t (a) (b) 2 log t µ k ˆµ k, µ k +. (4) pour = T k (t ). Alor oit k un bra ou-optimal et k un bra optimal. Si le bra k et tiré à l intant t, cela ignifie que B t,tk (t )(k) B t,tk (t )(k ), oit 2 log t 2 log t ˆµ k, + ˆµ k, +, (5) pour = T k (t ) et 2 log t = T k (t ) donc d aprè (4), µ k + 2 µ, c et à dire 8 log t.
3 Introduction aux algorithme de bandit 3 Maintenant, pour tout entier u, nou avon: T k (n) u + {I t = k; T k (t) > u} u + t=u+ t=u+ { : u < t, : t, B t, (k) B t, (k )} (6) Maintenant, d aprè le raionnement précédent, l évènement {B t, (k) B t, (k )} (c et à dire (5)) implique que 8 log t ou bien qu une de deux inégalité (a) ou (b) dan (4) n et pa atifaite. Donc en choiiant u = 8 log(n), on en déduit que (a) ou (b) n et pa atifaite. Mai d aprè (2), l inégalité (a) n et pa atifaite avec une probabilité t 4, et d aprè (3) l inégalité (b) n et pa vraie avec une probabilité t 4. En prenant l epérance de deux coté de (6), E[T k (n)] 8 log(n) 8 log(n) + t=u+ + π2 3 [ t =u+ t 4 + t = t 4] Propoition 2. Nou avon la borne uniforme ur le regret Proof. Par Cauchy-Schwarz, ER n 8Kn(log n + π2 3 ) ER n = k k ETk (n) ET k (n) ET k(n) ET k (n) k k 8Kn(log n + π2 3 )..2 Borne inférieure Nou avon la borne inférieure aymptotique (pour une clae de ditribution aez riche) [Lai et Robbin, 985] fonction de ditribution: ET k (n) lim up n log n KL(ν k ν ), avec la ditance de Kullback Leibler KL(ν ν ) = dν log(dν/dν ). Donc ER n = Ω(log n). Nou avon aui une borne inférieure minimax non-aymptotique (voir par exemple [Cea-Bianchi et Lugoi, Prediction, Learning, and Game, 2006]): inf up R n = Ω( nk). Algo Problème
4 4 Introduction aux algorithme de bandit.3 Amélioration Utiliation de la variance empirique pour affiner le intervalle de confiance [Audibert, Muno, Szepevari, Ue of variance etimation in the multi-armed bandit problem, 2008]. Borne minimax améliorée [Audibert, Bubeck, Minimax Policie for Adverarial and Stochatic Bandit, 2009]. On obtient la borne inf Kn. Application au online learning (claification ou régreion en-ligne) avec information partielle..4 Extenion Il exite de nombreue extenion au problème du bandit tochatique à K bra: Bandit dan un MDP [Jakch, Ortner, Auer. Near-optimal regret bound for reinforcement learning, 200]. Stratégie d exploration optimite dan l incertain (baée ur UCB) pour explorer un Proceu de déciion markovien. > poibilité de mini-projet Bandit avec information contextuelle. A chaque intant t, on oberve une information x t X et on prend une déciion a t A. La récompene et une foncion de a t et de x t. On e compare à une clae de tratégie π : X A. Bandit avec un nombre de bra dénombrable. [Wang, Audibert, Muno, Algorithm for inifinitely many-armed bandit, 2008]. Chaque nouveau bra a une probabilité ɛ β d être ɛ-optimal. Compromi entre exploration - exploitation - découverte. > poibilité de mini-projet Bandit linéaire [Dani, Haye, Kakade, Stochatic Linear Optimization under Bandit Feedback, 2008] On choiit un bra x t X R d. La récompene moyenne et une fonction linéaire r t = x t α, où α R d et un paramètre inconnu. On e compare à max x X x α. > poibilité de mini-projet Bandit en epace métrique [Kleinberg, Slivkin, Upfal, Multi-armed bandit in metric pace, 2008], [Bubeck, Muno, Stoltz, Szepevari, Online optimization in X-armed bandit, 2008]. On choiit un bra x t X dan un epace métrique. La récompene moyenne f(x t ) et uppoée Lipchitz. On e compare à up x X f(x). Il agit d un problème d optimiation online. Bandit hiérarchique Algorithme UCT [Koci et Szepevari. Bandit baed monte-carlo planning., 2006], BAST [Coquelin et Muno, Bandit algorithm for tree earch, 2007], HOO [Bubeck, Muno, Stoltz, Szepevari, Online optimization in X-armed bandit, 2008]. Application au jeu de go (programme MoGo) [Gelly, Wang, Muno, Teytaud. Modification of UCT with pattern in monte-carlo go, 2006]. Utiliation d algorithme de bandit de manière hiérarchique pour effectuer une recherche dan de grand arbre. > poibilité de mini-projet 2 Le bandit contre un adveraire Ici le récompene ne ont plu néceairement i.i.d. mai choiie arbitrairement par un adveraire. Dan ce ca, on ne peut plu epérer faire aui bien que i on avait connu à l avance le récompene (car l adveraire n a aucune envie de e laier dévoiler). Mai on peut comparer le performance obtenue par notre algorithme aux performance obtenue par une clae de tratégie de comparaion, et tenter de faire prequ aui bien que la meilleure tratégie dan cette clae.
5 Introduction aux algorithme de bandit 5 Nou pouvon ditinguer 2 type de problème elon l information reçue à chaque round: information parfaite ( full information ) ou information partielle ( bandit information ). Voici un modèle de bandit contre un adveraire: On dipoe de K bra. A chaque intant t =..., n, L adveraire choii de récompene x t (),..., x t (K) (uppoée à valeur dan [0, ], an le dévoiler au joueur Le joueur choiit un bra I t Dan le ca information parfaite, le joueur oberve le récompene de tou le bra x t (k), pour k =..., K. Dan le ca information partielle, le joueur n oberve que la récompene du bra choii: x t (I t ). La clae de tratégie de comparaion et l enemble de tratégie contante. Aini le regret par rapport à la tratégie contante k et défini elon R n (k) = x t (k) x t (I t ). La tratégie du joueur pouvant être aléatoire, on conidère le regret moyen pour la meilleure tratégie contante: R n = max ER n(k), kk et l on déire contruire un algorithme qui oit bon pour toute équence de récompene fournie par l adveraire, i.e. tel que up x,...,x n R n oit petit. 2. Information complete Conidéron l algorithme EWF (Exponentially Weighted Forecater): On initialie l algorithme avec w (k) = pour tout k =,..., n. A chaque intant t =,..., n, le joueur choiit le bra I t p t, où p t (k) = où > 0 et un paramètre de l algorithme. w t (k) = e P t = x(k), w t(k) P K i= w t(i), avec Propoition 3. Soit. On a Aini, en choiiant = 8 log K n, il vient R n log K + n 8. n log K R n. 8
6 6 Introduction aux algorithme de bandit Preuve. Noton = K w k(t). On a + = w k (t)e x t(k) = p k (t)e xt(k) [ = E I pt e x ] t(i) = e E[x t(k)] E I pt [ e (x t (I) E J pt [x t (J)]) ] e E[xt(I)] e 2 /8, par le lemme de Hoeffding Donc Maintenant log W n+ W E [ n x t (I t ) ] + n 2 8. log W n+ W = log e P n xt(k) log K x t (k) log K, pour n importe quel k =,..., n. Aini pour tout k, on a x t (k) E [ n x t (I t ) ] log K + n 8. Remarque: Borne inf du même ordre: R n = Ω( n log K). Dépendance logarithmique en K Poibilité d avoir un algorithme anytime (qui ne néceite pa la connaiance de l horizon temporel n) en choiiant un pa t = O( log K t ). Prédiction à bae d expert [Lugoi and Cea-Bianchi, 2006]. 2.2 Information partielle Conidéron l algorithme EXP3 (Exploration-Exploitation uing Exponential weight): > 0 et β > 0 ont deux paramètre de l algorithme. On initialie l algorithme avec w (k) = pour tout k =,..., n. A chaque intant t =,..., n, le joueur choiit le bra I t p t, où w t (k) p t (k) = ( β) K i= w t(i) + β K, avec où x (k) = x (k) p (k) {I = k}. w t (k) = e P t = x (k),
7 Introduction aux algorithme de bandit 7 Propoition 4. Soit, et β = K. On a Aini, en choiiant = log K (e )nk, il vient R n log K + (e )nk. R n 2.63 nk log K. Preuve. Noton = K w k(t). Remarquon que E I p [ x (k)] = K i= p (i) x (k) p (k) {i = k} = x (k), que E I p [ x (I )] = K i= p (i) x (i) p (i) K. On a + = w k (t)e x t(k) = p k (t) β/k e x t(k) β p k (t) β/k ( + x t (k) + (e 2) 2 x t (k) 2 ), β puique x t (k) K/β =, et e x + x + (e 2)x 2 pour x. Mai on a aui + + β log + log W n+ W log W n+ W = log β β p k (t)( x t (k) + (e 2) 2 x t (k) 2 ), p k (t)( x t (k) + (e 2) 2 x t (k) 2 ), p k (t)( x t (k) + (e 2) 2 x t (k) 2 ). e P n x t(k) log K x t (k) log K, pour n importe quel k =,..., n. l algorithme), on a pour tout k, En prenant l epérance (par rapport à la randomiation interne de [ E ( β) x t (k) i= [ n E x t (k) ] p i (t) x t (i) ] x t (I t ) E[R n (k)] log K ( β) log K βn + log K [ n + (e 2)E + (e 2)nK + (e )nk p k (t) x t (k) 2] Remarque: Borne inf R n 20 nk (voir [Auer et al., 2002]).
8 8 Introduction aux algorithme de bandit Algorithme INF [Audibert et Bubeck 2009] obtient un regret O( nk). Exp3 donne un regret en epérance en O( nk log K) mai le regret peut être grand ur certaine réaliation de l algorithme. En effet le récompene repondérée x t (k) ont d ordre /p t (k) ce qui peut être (en négligeant la dépendance en K) aui grand que n pour le valeur de β conidérée, ce qui entraîne un regret dont la variance et en n 3/2 et aini le regret peut être en n 3/4. On ne peut donc pa obtenir de regret en n avec forte probabilité. Cependant en modifiant légèrement l algorithme afin d augmenter l exploration (en uretimant le récompene reçue), on obtient un algorithme EXP3.P [Auer et al., 2002] qui dépend d un paramètre δ > 0 tel que max kk x t (k) x t (I t ) = O( nk log(kn/δ)). (7) 2.3 Equilibre de Nah Conider a 2-player zero-um repeated game: A and B play action: or 2 imultaneouly, and receive the reward (for A): A \ B (A like conenu, B like conflict) Nah equilibrium: (mixed) trategy (p, q ) for both player, uch that no player ha incentive for changing unilaterally hi own trategy: for any p and q, r A (p, q ) r A (p, q ) and r B (p, q) r B (p, q ). Ar Here the Nah i: A play with probability p A = /2, B play with probability p B = /4. B=2 2 A Now, let A and B be bandit algorithm, aiming at minimizing their regret, i.e. for player A: R n (A) def = max r A (a, B t ) r A (A t, B t ). and that of B accordingly. a {,2} In the cae of zero-um game (i.e. r A = r B ), the value of the game V i defined a V = inf up q [0,] p [0,] r A (p, q) = up inf r A(p, q) q [0,] p [0,] B=
9 Introduction aux algorithme de bandit 9 (minimax Theorem). Note that there may exit everal Nah equilibria (p, q ) but their value r A (p, q ) i unique and equal V. Indeed: V = up p [0,] inf r A(p, q) q [0,] inf r A(p, q) = r A (p, q ) = up r A (p, q ) q [0,] p [0,] inf r A(p, q) = V. q [0,] Propoition 5. If both player perform a (Hannan) conitent regret-minimization trategy (i.e. R n (A)/n 0 and R n (B)/n 0), then the average value of the received reward converge to the value of the game: lim n n r A (A t, B t ) = V. In addition, the empirical frequencie of choen action of both player converge to a Nah equilibrium. (Note that EXP3.P i conitent!). Preuve. Write p n def A = n n A and p n def B = n n B the empirical frequencie of played action. Write r A (p, q) def = E A p,b Q r A (A, B). Player A play a Hannan-conitent regret-minimization trategy, thu lim up max r A (a, B t ) r A (A t, B t ) n a {,2} n n 0 lim up up r A (p, B t ) r A (A t, B t ) n n n 0 p [0,] ince p r A (p, q) i a linear mapping. Thu V = inf q up r A (p, q) lim inf p n n r A (A t, B t ). Now, ince player B doe the ame, we alo have that lim up r A (A t, B t ) up inf n n r A(p, q) = V. p q Thu lim n n n r A(A t, B t ) = V. We alo have that the empirical joint ditribution (p q) n (a, b) = n n {A t = a, B t = b} converge to the et of Nah equilibria {(p, q )} ince the et of joint ditribution i compact (ince we conider a finite number of action) and any (p, q ) uch that r A (p, q ) = V i a Nah equilibrium: r A (p, q ) inf r A(p, q) V up r A (p, q ) r A (p, q ). q [0,] p [0,] Example: Texa Hold em Poker In the 2-player Poker game, the Nah equilibrium i intereting (zero-um game) A policy: information et (my card + board + pot) probabilitie over deciion (check, raie, fold) Space of policie i huge!
10 0 Introduction aux algorithme de bandit Idea: Approximate the Nah equilibrium by uing bandit algorithm aigned to each information et. Thi method provided the world bet Texa Hold em Poker program for 2-player with pot-limit [Zinkevitch et al., 2007]. Extenion: In non-zero um game or in game with more than 2 player, there are general convergence reult toward correlated equilibrium [Foter and Vohra, 997].
La lettre. La Gestion des filiales dans une PME : Bonnes Pratiques et Pièges à éviter. Implantations à l étranger : Alternatives à la création
Doier : Getion d entreprie 42 La Getion de filiale dan une PME : Bonne Pratique et Piège à éviter Certaine PME ont tout d une grande. entreprie. A commencer par la néceité d avoir de filiale. Quel ont
Plus en détailVoyez la réponse à cette question dans ce chapitre. www.lifeinsuranceinsights.com/life-insurance-2/what-will-your-hobby-cost-you.
Erwan, d une mae de 65 kg, fait un aut de Bungee. Il tombe de 0 m avant que la corde du bungee commence à étirer. Quel era l étirement maximal de la corde i cette dernière agit comme un reort d une contante
Plus en détailCap Maths. Guide de l enseignant. Nouveaux programmes. cycle. Roland CHARNAY Professeur de mathématiques en IUFM
Cap Math CP 2 cycle Guide de l eneignant Nouveaux programme SOUS LA DIRECTION DE Roland CHARNAY Profeeur de mathématique en IUFM Marie-Paule DUSSUC Profeeur de mathématique en IUFM Dany MADIER Profeeur
Plus en détailLe paiement de votre parking maintenant par SMS
Flexibilité et expanion L expanion de zone de tationnement payant ou la modification de tarif ou de temp autorié peut e faire immédiatement. Le adree et le tarif en vigueur dan le nouvelle zone doivent
Plus en détailProgressons vers l internet de demain
Progreon ver l internet de demain COMPRENDRE LA NOTION DE DÉBIT La plupart de opérateur ADSL communiquent ur le débit de leur offre : "512 Kb/", "1 Méga", "2 Méga", "8 Méga". À quoi ce chiffre correpondent-il?
Plus en détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
Plus en détailTrouver des sources de capital
Trouver de ource de capital SÉRIE PARTENAIRES EN AFFAIRES Emprunt garanti et non garanti Vente de part de capital Programme gouvernementaux Source moin courante SÉRIE PARTENAIRES EN AFFAIRES Quelque principe
Plus en détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailEPFL 2010. TP n 3 Essai oedomètrique. Moncef Radi Sehaqui Hamza - Nguyen Ha-Phong - Ilias Nafaï Weil Florian
1 EPFL 2010 Moncef Radi Sehaqui Hamza - Nguyen Ha-Phong - Ilia Nafaï Weil Florian 11 Table de matière Ø Introduction 3 Ø Objectif 3 Ø Déroulement de l eai 4 Ø Exécution de deux palier de charge 6 Ø Calcul
Plus en détailApprentissage par renforcement (1a/3)
Apprentissage par renforcement (1a/3) Bruno Bouzy 23 septembre 2014 Ce document est le chapitre «Apprentissage par renforcement» du cours d apprentissage automatique donné aux étudiants de Master MI, parcours
Plus en détailProjet. Courbe de Taux. Daniel HERLEMONT 1
Projet Courbe de Taux Daniel HERLEMONT Objectif Développer une bibliothèque en langage C de fonction relative à la "Courbe de Taux" Valeur Actuelle, Taux de Rendement Interne, Duration, Convexité, Recontitution
Plus en détailCaractérisation de l interface Si/SiO 2 par mesure C(V)
TP aractériation de l interface Si/SiO par meure (V) aractériation de l interface Si/SiO par meure (V) Introduction p I Effet de champ à l interface Si/SiO p Fonctionnement d une capacité MOS p Principe
Plus en détailVentilation à la demande
PRÉSENTATION Ventilation à la demande Produit de pointe pour ventilation à la demande! www.wegon.com La ventilation à la demande améliore le confort et réduit le coût d exploitation Lorque la pièce et
Plus en détailPrudence, Epargne et Risques de Soins de Santé Christophe Courbage
Prudence, Epargne et Rique de Soin de Santé Chritophe Courbage ASSOCIATION DE GENÈVE Introduction Le compte d épargne anté (MSA), une nouvelle forme d intrument pour couvrir le dépene de anté en ca de
Plus en détailProduire moins, manger mieux!
Raak doier d Alimentation : o Produire moin, manger mieux! Nou voulon une alimentation de qualité. Combien de foi n entendon-nou pa cette revendication, et à jute titre. Mai i tout le monde et d accord
Plus en détailLe compte épargne temps
2010 N 10-06- 05 Mi à jour le 15 juin 2010 L e D o i e r d e l a D o c 1. Définition Sommaire 2. Modification iue du décret n 2010-531 3. Principe du compte épargne temp Bénéficiaire potentiel Alimentation
Plus en détailInstructions Mozilla Thunderbird Page 1
Instructions Mozilla Thunderbird Page 1 Instructions Mozilla Thunderbird Ce manuel est écrit pour les utilisateurs qui font déjà configurer un compte de courrier électronique dans Mozilla Thunderbird et
Plus en détailRETIRER DE L ARGENT DE VOTRE SOCIÉTÉ
LETTRE MENSUELLE DE CONSEILS DESTINÉS À MAXIMALISER LE FLUX DE REVENUS RETIRÉS DE VOTRE SOCIÉTÉ OPTIMALISATION DU MOIS Déterminer le taux du marché... Si votre ociété vou vere un intérêt, elle doit de
Plus en détailGAME CONTENTS CONTENU DU JEU OBJECT OF THE GAME BUT DU JEU
GAME CONTENTS 3 wooden animals: an elephant, a Polar bear and an African lion 1 Playing Board with two tree stumps, one red and one blue 1 Command Board double sided for two game levels (Green for normal
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailTP6 : ALIMENTATION A DECOUPAGE : HACHEUR SERIE ET CONVERTISSEUR STATIQUE ABAISSEUR DE TENSION
P6 : ALIMNAION A DCOUPAG : HACHUR SRI CONVRISSUR SAIQU ABAISSUR D NSION INRODUCION Le réeau alternatif indutriel fournit l énergie électrique principalement ou de tenion inuoïdale de fréquence et d amplitude
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailParcours Hydrologie-Hydrogéologie. Apport des méthodes d infiltrométrie à la compréhension de l hydrodynamique de la zone non-saturée des sols.
Univerité Pierre et Marie Curie, École de Mine de Pari & École Nationale du Génie Rural de Eaux et de Forêt Mater Science de l Univer, Environnement, Ecologie Parcour Hydrologie-Hydrogéologie Apport de
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailCourrier Fédéral @ @ N 320 EDITORIAL INDUSTRIE PLUS LOIN QUE NOS DROITS. PUBLICITE page 8. Adresse du site de la FTM-CGT. http://www.ftm-cgt.
Courrier Fédéral N 320 du 13.10.12 au 19.10.12 @ @ Adree du ite de la FTM-CGT http://www.ftm-cgt.fr Fédération de travailleur de la métallurgie CGT ISSN 0152-3082 EDITORIAL Aprè la journée de mobiliation
Plus en détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
Plus en détailÉdito. Somm@ire. Mon Université Numérique. Édito. L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité
Somm@ire Édito Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité Mon Univerité Numérique Rue de Fac Droit de uager et identité numérique Gloaire Webographie 1 2 4 6 7 23 24 26
Plus en détailConception de convertisseurs DC/DC à base de MEMS
onception de convertieur D/D à bae de MEMS S. Ghandour To cite thi verion: S. Ghandour. onception de convertieur D/D à bae de MEMS. Micro and nanotechnologie/microelectronic. Univerité Joeph-Fourier -
Plus en détailTable des matières. Introduction. 1
Avant propo Le travail préenté dan ce mémoire a été réalié au ein du laboratoire d électromécanique de Compiègne (LEC) ou la direction de Monieur Jean Paul Vilain dan le cadre d une convention indutrielle
Plus en détailunenfant Avoir en préservant ses droits
Avoir unenfant en préervant e droit Guide adreant aux travailleue et travailleur du ecteur public du réeau de la anté et de ervice ociaux Le comité de condition féminine de la La mie à jour de ce guide
Plus en détailCadeaux d affaires, cadeaux d entreprises, objets publicitaires www.france-cadeaux.fr - services@france-cadeaux.fr
Siège France Cadeaux 84 rue de Courbiac 17100 Sainte 00 33 (0)5 46 74 66 00 RC.424 290 211 00012 Cadeaux d affaire, cadeaux d entreprie, objet publicitaire www.france-cadeaux.fr - ervice@france-cadeaux.fr
Plus en détailDossier. Vtech, leader en France. Lexibook, leader en Europe
Doier Par Yoan Langlai La tablette pour enf Si 6 million de tablette devraient e vendre cette année en France (préviion GfK), on etime à 1 million le nombre de vente de tablette pour enfant en 2013. Sur
Plus en détailModélisation d une section de poutre fissurée en flexion
Moéliation une ection e poutre fiurée en flexion Prie en compte e effort tranchant Chritophe Varé* Stéphane Anrieux** * EDF R&D, Département AMA 1, av. u Général e Gaulle, 92141 Clamart ceex chritophe.vare@ef.fr
Plus en détailSomm@ire. Mon Université Numérique. Édito L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité
Somm@ire Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité 1 2 4 6 Mon Univerité Numérique 7 Rue de Fac Droit de uager et identité numérique Gloaire Webographie 23 24 26 28 Édito
Plus en détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailLe passé composé. C'est le passé! Tout ça c'est du passé! That's the past! All that's in the past!
> Le passé composé le passé composé C'est le passé! Tout ça c'est du passé! That's the past! All that's in the past! «Je suis vieux maintenant, et ma femme est vieille aussi. Nous n'avons pas eu d'enfants.
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailImpact de l éolien sur le réseau de transport et la qualité de l énergie
1 Impact de l éolien ur le réeau de tranport et la qualité de l énergie B. Robyn 1,2, A. Davigny 1,2, C. Saudemont 1,2, A. Anel 1,2, V. Courtecuie 1,2 B. Françoi 1,3, S. Plumel 4, J. Deue 5 Centre National
Plus en détailGuide de configuration d'une classe
Guide de configuration d'une clae Viion ME Guide de configuration d'une clae Contenu 1. Introduction...2 2. Ajouter de cour...4 3. Ajouter de reource à une leçon...5 4. Meilleure pratique...7 4.1. Organier
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détailFÉDÉRATION INTERNATIONALE DE NATATION Diving
QUALIFICATION SYSTEM - 2 ND SUMMER YOUTH OLYMPIC GAMES - NANJING 2014 FÉDÉRATION INTERNATIONALE DE NATATION Diving A. Events (5) MEN S EVENTS (2) WOMEN S EVENTS (2) MIXED EVENTS (2) 3m individual springboard
Plus en détailÉdito. Somm@ire. Mon Université Numérique. Édito. L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité
Somm@ire Édito Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité Mon Univerité Numérique Rue de Fac Droit de uager et identité numérique Gloaire Webographie 1 2 4 6 7 23 24 26
Plus en détailDistribution Uniforme Probabilité de Laplace Dénombrements Les Paris. Chapitre 2 Le calcul des probabilités
Chapitre 2 Le calcul des probabilités Equiprobabilité et Distribution Uniforme Deux événements A et B sont dits équiprobables si P(A) = P(B) Si il y a équiprobabilité sur Ω, cad si tous les événements
Plus en détailCOMMUNE DE FELLETIN. P R O C E S V E R B A L D U C O N S E I L M U N I C I P A L Séance ordinaire du jeudi 8 septembre 2011
R E P U B L I Q U E F R A N Ç A I S E DEPARTEMENT DE LA CREUSE ARRONDISSEMENT D AUBUSSON COMMUNE DE FELLETIN P R O C E S V E R B A L D U C O N S E I L M U N I C I P A L Séance ordinaire du jeudi 8 eptembre
Plus en détailSomm@ire. Mon Université Numérique. Édito L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité
Somm@ire Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité 1 2 4 6 Mon Univerité Numérique 7 Rue de Fac Droit de uager et identité numérique Gloaire Webographie 23 24 26 28 Édito
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailLa direction des solidarités Se loger à Moissy
La direction de olidarité Se loger à Moiy La direction de olidarité La Source - Place du Souvenir - BP24-77550 Moiy-Cramayel cedex Tél. : 01 64 88 15 80 - Fax : 01 64 88 15 26 QU EST CE QUE LA GUP LA GESTION
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailcalls.paris-neuroscience.fr Tutoriel pour Candidatures en ligne *** Online Applications Tutorial
calls.paris-neuroscience.fr Tutoriel pour Candidatures en ligne Online Applications Tutorial 1/4 Pour postuler aux Appels d Offres de l ENP, vous devez aller sur la plateforme : calls.parisneuroscience.fr.
Plus en détailConstruction de l'intégrale de Lebesgue
Université d'artois Faculté des ciences Jean Perrin Mesure et Intégration (Licence 3 Mathématiques-Informatique) Daniel Li Construction de l'intégrale de Lebesgue 10 février 2011 La construction de l'intégrale
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailN à voir Date moi Année Nom_source Type_source Auteur Titre Url_bdd Langue_ Pays Texte_original Texte_traduit. Computers
N à voir Date moi Année Nom_ource Type_ource Auteur Titre Url_bdd Langue_ Pay Texte_original Texte_traduit 1 11/15/2013 11 2013 Blog_Bit_New_York_Time Expert_blog Quentin_Hardy Amazon Bare It http://bit.blog.nytime.com/20
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailGrégoire de Lassence. Copyright 2006, SAS Institute Inc. All rights reserved.
Grégoire de Lassence 1 Grégoire de Lassence Responsable Pédagogie et Recherche Département Académique Tel : +33 1 60 62 12 19 gregoire.delassence@fra.sas.com http://www.sas.com/france/academic SAS dans
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailÉdito. Somm@ire. Mon Université Numérique. Édito. L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité
Somm@ire Édito Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité Mon Univerité Numérique Rue de Fac Droit de uager et identité numérique Gloaire Webographie 1 2 4 6 7 23 24 26
Plus en détailAnalyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe
Analyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe des n n groupes quantiques compacts qui ont la théorie
Plus en détailSomm@ire. Mon Université Numérique. Édito L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité
Somm@ire Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité 1 2 4 6 Mon Univerité Numérique 7 Rue de Fac Droit de uager et identité numérique Gloaire Webographie 23 24 26 28 Édito
Plus en détails 1 un skatepark public 100 pages pour arrêter d improviser Une publication de l EuroSIMA / préface de Tony Hawk
Contruire 1 un katepark public 100 page pour arrêter d improvier Une publication de l EuroSIMA / préface de Tony Hawk 2 3 Contruire un katepark public 100 page pour arrêter d improvier Une publication
Plus en détailEléments de statistique
Eléments de statistique L. Wehenkel Cours du 9/12/2014 Méthodes multivariées; applications & recherche Quelques méthodes d analyse multivariée NB: illustration sur base de la BD résultats de probas en
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailHow to Login to Career Page
How to Login to Career Page BASF Canada July 2013 To view this instruction manual in French, please scroll down to page 16 1 Job Postings How to Login/Create your Profile/Sign Up for Job Posting Notifications
Plus en détailSurveillance de Scripts LUA et de réception d EVENT. avec LoriotPro Extended & Broadcast Edition
Surveillance de Scripts LUA et de réception d EVENT avec LoriotPro Extended & Broadcast Edition L objectif de ce document est de présenter une solution de surveillance de processus LUA au sein de la solution
Plus en détailSomm@ire. Édito. Mon Université Numérique. Édito L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité
Somm@ire Édito Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité 1 2 4 6 Depui maintenant ept an, l Univerité Numérique Pari Île-de France vou accompagne dan la découverte de
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détailThéorie des Jeux Et ses Applications
Théorie des Jeux Et ses Applications De la Guerre Froide au Poker Clément Sire Laboratoire de Physique Théorique CNRS & Université Paul Sabatier www.lpt.ups-tlse.fr Quelques Définitions de la Théorie des
Plus en détailSERVICE PUBLIC DE WALLONIE
SERVICE PUBLIC DE WALLONIE Evaluation la tratégie régionale wallonne en matière programme opérationnel à caractère durable dan le ecteur fruit et légume Cahier Spécial Charge n MP2012_Eval_PO_2012 Rapport
Plus en détailPaxton. ins-20605. Net2 desktop reader USB
Paxton ins-20605 Net2 desktop reader USB 1 3 2 4 1 2 Desktop Reader The desktop reader is designed to sit next to the PC. It is used for adding tokens to a Net2 system and also for identifying lost cards.
Plus en détailGestion des prestations Volontaire
Gestion des prestations Volontaire Qu estce que l Income Management (Gestion des prestations)? La gestion des prestations est un moyen de vous aider à gérer votre argent pour couvrir vos nécessités et
Plus en détailPost-processing of multimodel hydrological forecasts for the Baskatong catchment
+ Post-processing of multimodel hydrological forecasts for the Baskatong catchment Fabian Tito Arandia Martinez Marie-Amélie Boucher Jocelyn Gaudet Maria-Helena Ramos + Context n Master degree subject:
Plus en détailRULE 5 - SERVICE OF DOCUMENTS RÈGLE 5 SIGNIFICATION DE DOCUMENTS. Rule 5 / Règle 5
RULE 5 - SERVICE OF DOCUMENTS General Rules for Manner of Service Notices of Application and Other Documents 5.01 (1) A notice of application or other document may be served personally, or by an alternative
Plus en détailGestion des services IT Foundation basée sur la norme ISO/CIE 20000
Guide de Préparation Getion de ervice IT Foundation baée ur la norme ISO/CIE 20000 Édition Novembre 2013 Copyright 2013 EXIN All right reerved. No part of thi publication may be publihed, reproduced, copied
Plus en détailLaboratory accredited by the French Home Office (official gazette date February 5 th, 1959, modified) Valid five years from August 27 th, 2013
CLASSIFICATION REPORT OF REACTION TO FIRE PERFORMANCE IN ACCORDANCE WITH THE EUROPEAN STANDARD EN 350-+A: 203 and in compliance with the French Home Office Regulation dated November 2 st, 2002 concerning
Plus en détailRègles et paramètres d'exploitation de Caparmor 2 au 11/12/2009. Pôle de Calcul Intensif pour la mer, 11 Decembre 2009
Règles et paramètres d'exploitation de Caparmor 2 au 11/12/2009 Pôle de Calcul Intensif pour la mer, 11 Decembre 2009 CAPARMOR 2 La configuration actuelle Les conditions d'accès à distance règles d'exploitation
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailphysicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178
Thèse no. 7178 PROBLEMES D'OPTIMISATION DANS LES SYSTEMES DE CHAUFFAGE A DISTANCE présentée à l'ecole POLYTECHNIQUE FEDERALE DE ZURICH pour l'obtention du titre de Docteur es sciences naturelles par Alain
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en détail2013 IIHF WORLD WOMEN S HOCKEY CHAMPIONSHIP
2013 IIHF WORLD WOMEN S HOCKEY CHAMPIONSHIP Name Mailing address Phone Girl s Hockey Association 2011/ 12 Team Name Email TICKET PACKAGE Price/ Seat 100 Level (12 games, Lower Bowl) $ 289 200 Level (12
Plus en détailFrequently Asked Questions
GS1 Canada-1WorldSync Partnership Frequently Asked Questions 1. What is the nature of the GS1 Canada-1WorldSync partnership? GS1 Canada has entered into a partnership agreement with 1WorldSync for the
Plus en détailFCM 2015 ANNUAL CONFERENCE AND TRADE SHOW Terms and Conditions for Delegates and Companions Shaw Convention Centre, Edmonton, AB June 5 8, 2015
FCM 2015 ANNUAL CONFERENCE AND TRADE SHOW Terms and Conditions for Delegates and Companions Shaw Convention Centre, Edmonton, AB June 5 8, 2015 Early-bird registration Early-bird registration ends April
Plus en détailGuide d installation Deco Drain inc. DD200
Guide d installation Deco Drain inc. DD200 Pour plus informations et pour télécharger les guides d installation en couleur, visitez notre site web. www.decodrain.com Soutien technique : Composez le : 514-946-8901
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailSCHOLARSHIP ANSTO FRENCH EMBASSY (SAFE) PROGRAM 2015-2 APPLICATION FORM
SCHOLARSHIP ANSTO FRENCH EMBASSY (SAFE) PROGRAM 2015-2 APPLICATION FORM APPLICATION FORM / FORMULAIRE DE CANDIDATURE Note: If there is insufficient space to answer a question, please attach additional
Plus en détailCalculation of Interest Regulations. Règlement sur le calcul des intérêts CONSOLIDATION CODIFICATION. Current to August 4, 2015 À jour au 4 août 2015
CANADA CONSOLIDATION CODIFICATION Calculation of Interest Regulations Règlement sur le calcul des intérêts SOR/87-631 DORS/87-631 Current to August 4, 2015 À jour au 4 août 2015 Published by the Minister
Plus en détailAPPENDIX 6 BONUS RING FORMAT
#4 EN FRANÇAIS CI-DESSOUS Preamble and Justification This motion is being presented to the membership as an alternative format for clubs to use to encourage increased entries, both in areas where the exhibitor
Plus en détailASSURANCE AUTO. conditions générales
ASSURANCE AUTO condition générale VOTRE CONTRAT Le contrat d'aurance auto ditribué par idmacif.fr et auré par Macifilia, SA au capital de 8 840 000, entreprie régie par le code de aurance - RCS Niort n
Plus en détailBAREME sur 40 points. Informatique - session 2 - Master de psychologie 2006/2007
BAREME ur 40 point Informatique - eion 2 - Mater de pychologie 2006/2007 Bae de donnée PRET de MATERIEL AUDIO VISUEL. Remarque : Le ujet comporte 7 page. Vérifier qu il et complet avant de commencer. Une
Plus en détailInstitut français des sciences et technologies des transports, de l aménagement
Institut français des sciences et technologies des transports, de l aménagement et des réseaux Session 3 Big Data and IT in Transport: Applications, Implications, Limitations Jacques Ehrlich/IFSTTAR h/ifsttar
Plus en détail