Introduction aux files d'attente.
- Enseignant: Pascal Moyal
Cours disponibles
La modélisation markovienne est d'une importance fondamentale dans les applications des probabilités que ce soit à la biologie, à la génétique, aux réseaux, etc.
Son grand défaut est la sensibilité à la dimension : les espaces d'états sont souvent de taille colossale empêchant toute étude par force brute. A la manière d'un physicien (mais de façon rigoureuse), on étudie les propriétés de ces modèles par un changement de jauge, autrement dit par un processus de renormalisation. Les processus limites obtenus sont des diffusions vues dans MACS 207a.
- Enseignant: Céline Comte
- Enseignant: Laurent Decreusefond
- Enseignant: Anais Vergne
Quel est le point commun entre les jeux de dés, les loteries, les files d'attente, le traitement du signal, les communications numériques, la finance, les réseaux de télécommunications, les bio-mathématiques ?
Tous ces domaines nécessitent dans leur compréhension et leur étude scientifique l'usage des probabilités.
L'objectif de ce cours est double : vous initier à ce que l'on pourrait appeler pompeusement "la modélisation aléatoire" et vous permettre de résoudre de façon fiable les questions ainsi posées.
- Enseignant: Pascal Bianchi
- Enseignant: Pascal Bianchi
- Enseignant: Thomas Bonald
- Enseignant: Thomas Bonis
- Enseignant: Nicolas Bouche
- Enseignant: Laurent Decreusefond
- Enseignant: Olivier Rioul
- Enseignant: Anne Sabourin
Site for MACS 207a.
Ce cours se déroule en 8 séances de 3 heures. Il a lieu les
vendredis après-midi de 13h30 à 16h45 du 8 février au 6 avril 2018
Lieu : 46, rue Barrault, Paris en salle B 559
Information extraction is the process of deriving structured information (such as alive(Elvis))
from digital text (such as the sentence "Elvis is alive"). We will
focus on factual and semantic information extraction, i.e., we will
cover named entity recognition, entity disambiguation, instance
extraction, and fact extraction. We will also touch upon applications of
both Information Extraction and the Semantic Web, such as Google’s knowledge graph, IBM’s Watson question answering system, and Facebook’s Open Graph, and academic projects such as YAGO, DBpedia, and NELL.
Finally, we will talk about how the big Internet companies use the
information that they extract and gather, and how we can protect
ourselves against these practices.
- Enseignant: Fabian Suchanek
Cours INF344 “Données du Web” du MS Big Data.
Site de rendu des rapports pour l'étude de cas du cours COMASIC SDF
- Enseignant: Thomas Robert
Cours pour COMASIC
Cette UE se focalise sur les premières étapes du cycle de vie d'un projet. Il s'agit d'appréhender les besoins et de les transformer en exigences à respecter dès la conception du système.
Cet
enseignement présente les concepts et la formalisation d'exigences selon une méthode orientée buts.
- Enseignant: Sylvie Vignes
- Enseignant: Etienne Borde
Ce cours présente les concepts principaux de la sûreté de fonctionnement
abordé sous un angle fortement mathématisé (systèmes de transition
probabilisés, logique pour le traitement du risque). Mise en pratique via des études de cas pratiques.
- Enseignant: Thomas Robert
Site de soumission du cours INF280. Pour plus d'information, cf la page du cours.
Module conception centrée-utilisateur de l'UE IHM du M2 ANDROÏDE à l'UPMC.
- Enseignant: James Eagan
Module « conception contrée-utilisateur » dans IGR203 : Introduction à l'interaction Homme-machine.
- Enseignant: James Eagan
- Enseignant: Emmanouil Giannisakis
- Enseignant: James Eagan
- Enseignant: Germán Leiva
IGR 204: Information Visualisation.
More information available on the class website.
- Enseignant: James Eagan
This course is concerned with the design of modern processors (performance metrics, pipelining, caches, ...).
Passer site announcements
Site announcements
(Aucune annonce n'a encore été publiée)
Passer catégories de cours
Catégories de cours
Passer cours