Introduction à l'apprentissage statistique - Fabrice Rossi
2008-12-01 - application/pdf - fiche descriptive
Ce cours est une introduction à la théorie de l'apprentissage et à ses principaux résultats, destinée à des doctorants et chercheurs en statistiques. Le cours commence par présenter l'apprentissage automatique, puis sa formalisation statistique, en insistant sur les différents enjeux : consistance des algorithmes, vitesses de convergence, etc. Une grande partie du cours se focalise sur la minimisation du risque empirique et sur la théorie de Vapnik Chervonenkis et les Machine à Vecteurs Support, au delà de discrimination entre deux classes et en présentant aussi la minimisation d'un coût différent du risque empirique, en particulier quand ce coût inclut un terme de régularisation.

Programmation par Contraintes - Christine Solnon
2003-09-01 - text/html - fiche descriptive
Ce cours introduit les notions de contraintes et de problèmes de satisfaction de contraintes (CSP), avec les méthodes de résolution possibles. On y présente l'algorithme de base utilisé pour résoudre ces problèmes sur les domaines finis, algorithme basé sur l'énumération des combinaisons. On étudiera un certain nombre d'heuristiques et techniques de filtrage permettant d'améliorer cet algorithme. Les exercices de ce cours permettent de s'entraîner à modéliser un problème sous la forme d'un CSP, et de voir comment programmer ces différents algorithmes en Prolog, et dans une langage de programmation par contraintes, à savoir Gnu-Prolog, y compris sous forme de travaux pratiques.

Technologies XML - Philippe Poulard
2008-12-11 - text/html - fiche descriptive
Les technologies XML sont une composante fondamentale de l'informatique depuis une dizaine d'année. Elles se sont introduites dans toutes les disciplines fondamentales (structuration de données, bases de données, Web, middleware, etc) ou sectorielles (math, chimie, musique, etc) et on ne peut y échapper. On peut alors soit les subir, soit les comprendre et en tirer le meilleur parti, car XML est accompagné d'une fabuleuse boîte à outil disponible dans tous les languages et toutes les plateformes et qui offre des possibilités spectaculaires dans l'extraction, l'aggrégation et le remodelage des données, et notamment dans les applications Web. L'objectif du cours est d'aider l'élève à appréhender cet ensemble technologique complexe et tentaculaire. Il lui permettra de connaître et de savoir mettre en oeuvre les outils et processus dans des applications qui produisent, exploitent, ou stockent des données XML.

Cours de Vision par Ordinateur - Frédéric Devernay¸ Edmond Boyer¸ Remi Ronfard
2006-07-03 - text/html - fiche descriptive
L'objectif de ce cours est d'offrir des connaissances de base en vision par ordinateur, allant du traitement d'images 2D à la vision tridimensionnelle. Les techniques vues en cours permettront de réaliser des prototypes simples à partir d'outils facilement disponibles (scanner à plat, webcam, appareil photo numérique), et de comprendre le fonctionnement d'applications plus complexes, par exemple dans les domaines de l'imagerie médicale ou de la robotique. À chaque séance seront présentées des applications concrètes, éventuellement sous forme de démonstration, des concepts vus en cours et de leurs applications.

Approches fonctionnelles de la programmation - Didier Verna
2009-01-07 - text/html - fiche descriptive
Cet ensemble de documents fournit un panorama complet du paradigme de programmation fonctionnelle et de son positionnement par rapport aux autres paradigmes de programmation (en particulier de la programmation impérative). La programmation fonctionnelle est un paradigme de programmation qui considère le calcul en tant qu'évaluation de fonctions mathématiques et évite la complexité sémantique liées au changement d'état et la mutation des données. Le cours illustre l'ensemble des concepts abordés au moyen de deux langages fonctionnels: Lisp et Haskell.

Une source sonore réelle (Module : Bases de l'acoustique, chap. 7) - Jean-Claude Damien
2004-07-15 - text/html - fiche descriptive
La modélisation probabiliste des SED est un domaine vaste qui englobe de nombreuses techniques mathématiques et de nombreux résultats.L'objet de ce cours est de passer en revue quelques modèles probabilistes utilisés dans le domaine de l'évaluation quantitative de performance pour l'analyse des systèmes à événements discrets (en abrégé : SED) en général, et celle des réseaux de communication en particulier. D'autres applications sont possibles dans le domaine de l'informatique et l'algorithmique comme l'analyse d'algorithmes probabilistes, séquentiels ou distribués. Ce cours met en valeur certains des aspects les plus en rapport avec les objets combinatoires (graphes, chemins, mots, arbres), les méthodes analytiques similaires à celles mises en oeuvre en analyse d'algorithmes (fonctions génératrices, analyse asymptotique).

Initiation à la méthode des éléments finis - Jean Garrigues
2001-01-01 - text/html - fiche descriptive
Ce cours a pour but de familiariser le lecteur avec la méthode des éléments finis. On présente la méthode des éléments finis comme une méthode pour résoudre des problèmes de physique ou plus généralement des équations différentielles avec conditions aux limites, et pas seulement des problèmes de mécanique. On n'y trouvera le strict minimum de fondements théoriques, sans démonstration, tandis que le lecteur est invité à se reporter aux cours d'analyse numérique (théorèmes d'analyse fonctionnelle, théorèmes de convergence). Le cours offre lui des informations pratiques pour maitriser l'outil et pour comprendre les options proposées par les logiciels et les problèmes numériques qui peuvent se présenter. Dans un souci de généralité, on ne fera allusion à aucun logiciel particulier. La terminologie employée s'efforcera donc d'être générale.

Colloquium Jacques Morgenstern - Michael Brady¸ Gérard Berry¸ Philippe Flajolet¸ Pierre-Henri Gouyon¸ Martin Abadi¸ Pierre-Louis Lions¸ Bjarne Stroustrup¸ Philippe de Reffye¸ Alessandra Carbone¸ Jean-Michel Muller¸ Pierre Coullet¸ Alain Berthoz¸ Jacques Stern¸ Nicholas Ayache¸ Nicole El Karoui¸ Allan Borodin¸ Albert Bijaoui¸ Konrad Polthier¸ Ian Foster¸ Jean-Francois Abramatic¸ David Simplot-Ryl¸ Pierre Bernhard¸ Jean-Jacques Quisquater¸ François Baccelli¸ Michel Lazdunski¸ Chandrajit Bajaj¸ Bernard Chazelle¸ Bradley J. Nelson¸ Bruno Stoufflet¸ Demetri Terzopoulos¸ Serge Abiteboul¸ Olivier Faugeras¸ Paul Nival¸ Denis Noble¸ Luca Cardelli¸ Martin Vetterli¸ Jean-Jacques Slotine¸ Erol Gelenbe¸ Mathias Fink¸ Persi Diaconis¸ Gilles Dowek¸ Franco Preparata¸ Michael Levitt¸ Michel Sorine¸ Claire Mathieu¸ François Bourdoncle¸ Frédo Durand¸ Laurent Thénié¸ Olivier Talagrand¸ Vin de Silva¸ Pascal Koiran
2009-06-02 - video/mpeg - fiche descriptive
Le but de cette collection de coférences est d'offrir une vision d'ensemble des recherches les plus actives et les plus prometteuses dans le domaine des Sciences et Technologies de l'Information et de la Communication (STIC). Nouveaux thèmes scientifiques, nouveaux domaines d'application, enjeux sociaux et philosophiques. Les exposés couvrent une problématique suffisamment large pour intéresser tous les chercheurs, ingénieurs et étudiants concernés par l'avenir des STIC. Les orateurs sont des personnalités de premier plan, français ou étrangers, informaticiens, mathématiciens ou spécialistes de domaines scientifiques où l'informatique est appelée à jouer un rôle majeur.

Traitement numérique du signal - Joël Le Roux
2002-09-01 - text/html - fiche descriptive
Traiter un signal, c'est extraire de l'information de mesures effectuées par des capteurs en vue d'atteindre un but donné. Ce but peut aller de la compréhension du monde physique (les physiciens, les météorologues, les géologues, les chimistes ou les biologistes, etc...) à l'action sur ce monde (en robotique, dans les applications militaires, etc...) en passant par la reconstruction d'un message transmis au moyen d'un médium physique, comme une onde, utilisé pour le transporter (c'est le cas des sons, des signaux de télécommunications, des signaux sonar ou radar). Ceci couvre des domaines d'applications extrêmement variés : dès qu'on utilise un capteur pour mesurer une quantité, on est amené à effectuer un traitement.

Théorie des graphes - Didier Müller
2008-01-23 - text/html - fiche descriptive
Ce cours donne un premier aperçu de la théorie des graphes. On y présente des propriétés simples des graphes orientés et non-orientés: connexité, chemin, cycles, graphes hamiltoniens et eulériens, graphes planaires, arbres couvrants, arbres des plus courts chemins, et comment vérifier ces propriétés. On y présente également le problème classique de la coloration. Quelques algorithmes sont également expliqués.

Construction des Courbes de Bézier et B-Splines en Conception Assistée par Ordinateur - Vincent Lesage
2001-10-01 - text/html - fiche descriptive
Les courbes de Bézier sont des courbes polynomiales paramétriques qui ont de nombreuses applications dans la synthèse d'images et la modélisation d'objets courbes. Le thème des Courbes de Bézier est une notion à multiples facettes, vraiment très riche, au croisement de nombreux domaines mathématiques très divers : Analyse, Cinématique, Géométrie Différentielle, Géométrie Affine, Géométrie Projective, Géométrie Fractale, Probabilités, ... Les Courbes de Bézier sont par ailleurs devenues incontournables dans leurs applications concrètes dans l'industrie, l'infographie, ...

Méthodes Mathématiques pour les Neurosciences - Olivier Faugeras
2008-11-12 - text/html - fiche descriptive
Ce cours présente quelques outils mathématiques qui interviennent de manière systématique dans de nombreux problèmes de modélisation en neurosciences. La modélisation électrophysiologique des neurones (modèles à conductances et leurs réductions, modèles intègre et tire), et des réseaux mésoscopiques de neurones proposée ici est basée sur l'étude des systèmes dynamiques dont on fera une introduction ici, et sur les outils de modélisation stochastiques, y comrpis les équations différentielles stochastiques, qui permettent de rendre compte de ces phénomènes physiologiques. Sans trahir la rigueur mathématique, le cours s'efforcera de mettre en valeur l'applicabilité aux neurosciences des concepts présentés. Le cours sera complété par des séances d'exercices et de programmation sous Scilab, Matlab ou Maple.