TPT/INFRES Moodle Site

Cours disponibles

Files d'attente - MPRO

Introduction aux files d'attente.

Enseignant: Pascal Moyal

Markov modeling

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.

Files d'attente (SPEIT Jiaotong)

Enseignant: Céline Comte
Enseignant: Laurent Decreusefond
Enseignant: Anais Vergne

Probabilités 1er année

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

Stochastic calculus

Site for MACS 207a.

Malliavin calculus

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

CES-DS-2018-05 Information Extraction

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: Julien Romero
Enseignant: Fabian Suchanek

INF344: Données du Web

Cours INF344 “Données du Web” du MS Big Data.

INF280 2017-2018: Préparation aux concours de programmation

Voir aussi la page du cours.

SDF-COMASIC

Site de rendu des rapports pour l'étude de cas du cours COMASIC SDF

Enseignant: Thomas Robert

Ingénierie des exigences

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

INF720: Systèmes d'exploitation

Enseignant: Etienne Borde

Sureté de Fonctionnement

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.