Révisions
Corrigés d'examens, guides de TP et fiches de cours rédigés à partir des documents de la bibliothèque.
1370 révisions
- Fiche de cours
Notes de Cours : Data Mining
Ce document présente les notions fondamentales de la classification supervisée en data mining, ainsi que des méthodes simples pour construire des modèles prédictifs. Il s'adresse aux étudiants et débutants en apprentissage automatique souhaitant comprendre les bases de la classification et des approches bayésiennes.
Data Mining, Classification Supervisée, Approche Bayésienne · 2013
Guide de TPTD no. 2 : Classification de Textes avec Naïve Bayes
Ce TD vise à démontrer l’utilisation de la méthode de classification Naïve Bayes appliquée aux textes, en particulier pour détecter si un email est un spam ou non. Il nécessite un ensemble de données d’emails étiquetés, des connaissances de base en traitement de texte et en probabilités, ainsi qu’un environnement permettant de manipuler des vecteurs et calculer des probabilités.
Data Mining, Naïve Bayes, Text Classification · 2013
- Fiche de cours
Notes de Cours : Data Mining
Ce document présente les concepts fondamentaux de la classification supervisée à base d’exemplaires représentatifs, notamment l’algorithme des k plus proches voisins (kPPV), ainsi que son application à la classification de textes. Il s’adresse principalement aux étudiants en data mining ou apprentissage automatique souhaitant comprendre et appliquer ces méthodes.
Data Mining, Classification, Supervised Learning · 2013
- Explication
Théorie du Data Mining : Algorithmes, Cloud et Intégration des Données
Le data mining, ou fouille de données, est un domaine informatique qui vise à extraire des connaissances utiles à partir de grandes quantités de données.
Programming, Math, etc. · 2009
Guide de TPClassification de Textes avec Naive Bayes
Ce travaux pratiques (TP) porte sur la classification automatique de textes, en particulier la détection d'emails spam à l'aide de la méthode Naive Bayes. L'objectif est d'apprendre à représenter des textes sous forme de vecteurs d'attributs, puis à construire et tester un classifieur Naive Bayes supervisé.
Data Mining, Text Classification · 2013
- Fiche de cours
Data Mining Course Notes
Ce document présente les notions fondamentales de la classification supervisée en data mining, avec un focus sur deux méthodes simples : la méthode OneR adaptée aux attributs numériques et la méthode Naïve Bayes.
Data Mining, Machine Learning, Classification · 2013
Guide de TPInitiation Matlab et Théorie Bayesienne
Ce TP a pour objectif de vous initier à l'environnement Matlab en travaillant sur un problème de reconnaissance de formes appliqué à des données biomédicales. Vous apprendrez à manipuler des données, à visualiser des distributions et à implémenter des classifieurs bayésiens simples pour la prédiction du diabète à partir de variables sélectionnées.
Programming, Math, Biometrics
- Fiche de cours
Data Mining
Ce matériel couvre les principes fondamentaux de la classification supervisée à base d’exemplaires représentatifs, notamment l’algorithme des k plus proches voisins (kPPV). Il s’adresse aux étudiants en data mining ou apprentissage automatique souhaitant comprendre cette approche et son application à la classification de textes.
Programming, Math, etc. · 2013
- Fiche de cours
Correction TD4 Asymmetric Ciphers
Ce document présente la correction de plusieurs exercices sur les chiffrements asymétriques, notamment RSA, Diffie-Hellman, les fonctions de hachage et le paradoxe des anniversaires. Il s’adresse aux étudiants en cryptographie ou sécurité informatique souhaitant comprendre les mécanismes mathématiques et algorithmiques des systèmes cryptographiques asymétriques.
Cryptography, Hash Functions
Fiche de coursData Mining
Ce document présente des exercices pratiques de fouille de données (Data Mining) destinés aux étudiants en informatique ou en sciences des données. Il couvre l'application de méthodes simples de classification sur une base de données « jouer tennis » et la classification de textes à l'aide de la méthode Naïve Bayes avec l'outil Weka.
Programming, Math, etc. · 2013
- Fiche de cours
Crypto et sécurité de l’information
Ce matériel couvre les concepts fondamentaux des algorithmes à clé publique, des fonctions de hachage, des codes d’authentification de message (MAC) et des signatures numériques. Il s’adresse aux étudiants en sécurité informatique et cryptographie souhaitant comprendre les principes, mécanismes et applications de ces techniques essentielles à la sécurité des communications numériques.
Cryptography, Public Key Algorithms, Security · 1976
- Guide de TP
Crypto et sécurité de l’information
Ce laboratoire explore les mécanismes fondamentaux de la cryptographie et de la sécurité de l’information, en mettant l’accent sur la gestion des clés symétriques et asymétriques, les protocoles d’authentification, la sécurité du Web via SSL/TLS, les attaques de type man-in-the-middle (notamment sslstrip), ainsi que la sécurité des e-mails avec PGP et la sécurité IP avec IPsec.
Cryptography, Information Security · 2009
- Fiche de cours
Diagramme d’influence
Ce document présente les diagrammes d’influence, un outil graphique puissant pour modéliser et résoudre des problèmes de décision sous incertitude. Destiné aux étudiants et chercheurs en sciences de la décision, il explique la structure, l’évaluation et les applications pratiques des diagrammes d’influence, illustrés par un exemple médical de diagnostic.
Decision Theory, Probability, Optimization · 2013
- Corrigé
Examen de Sécurité Informatique
Ce document présente un examen de Sécurité Informatique portant sur la cryptographie RSA, les protocoles de chiffrement symétrique et asymétrique, ainsi que la sécurité des réseaux et la gestion des accès dans un contexte professionnel.
Sécurité des systèmes d'information, Cryptographie
Guide de TPSymmetric Ciphers Corrections
Ce laboratoire porte sur les chiffrements symétriques et leurs différents modes de fonctionnement : ECB, CBC, CFB et OFB. Il permet de comprendre le principe de chaque mode, leurs avantages, inconvénients et la manière de chiffrer et déchiffrer des messages binaires.
Cryptography, Symmetric Key Encryption
- Corrigé
Examens de Rattrapage en Middleware et Construction d'Applications Répartis
Ce document présente un examen de rattrapage en Middleware et Construction d’Applications Répartis. Il évalue les connaissances théoriques et pratiques des étudiants sur les concepts fondamentaux des systèmes répartis, les annuaires LDAP, les services web, ainsi que les composants EJB et leur comparaison avec les web services.
Middleware, LDAP, Web Services, EJB · 2013
Fiche de coursRéseaux Mobiles - Théorie du Trafic
Ce matériel couvre la théorie du trafic dans les réseaux mobiles, un sujet essentiel pour les étudiants en télécommunications et réseaux. Il présente les concepts fondamentaux de l’intensité de trafic, les modèles Erlang B et Erlang C, ainsi que des exemples pratiques pour dimensionner et analyser les systèmes cellulaires.
Réseaux Mobiles, Théorie du Trafic, Mathématiques
- Corrigé
Middleware et Construction d’Applications Répartis
Ce sujet porte sur le Middleware et la Construction d’Applications Répartis. Il s'agit d'un examen qui évalue les connaissances théoriques et pratiques sur les concepts fondamentaux des architectures distribuées, les services d’annuaires, les web services, ainsi que les composants et EJB (Enterprise JavaBeans).
Programming, Computer Science, Distributed Systems · 2012
CorrigéCorrigé Exercice Web Intelligence
Exercice 0 - Théorie de l'information Question préliminaire - Définition des sources Nous avons un canal de transmission binaire symétrique (BSC). La source d'entrée X a pour alphabet {0, 1} avec des probabilités équiprobables : p(x1 = 0) = 1/2 p(x2 = 1) = 1/2 La source de sortie Y a pour alphabet {0, 1}. Le canal introduit une probabilité d'erreur p.
Information Theory, Probability, Coding · 2014
CorrigéExamen GL1
Questions de réflexion Question 1 - Objectif et arrêt des tests L'objectif principal des tests de programmes est de détecter le maximum d'erreurs (ou "bugs") avant la mise en production du logiciel, afin de garantir qu'il répond correctement aux exigences fonctionnelles et non-fonctionnelles définies dans le cahier des charges.
Programming and Software Engineering · 2014
CorrigéThéorie de l’information
Exercice 1 - Encodage temporel et polynomial Paramètres du code et définitions D'après le document source, nous étudions un code de convolution défini par les caractéristiques suivantes : Rapport de code (rendement) r = 1/2 (n = 2 sorties entrelacées). Longueur de contrainte K = 3 (le nombre de bascules est de K - 1 = 2). Polynômes générateurs sous forme binaire : g1 = [0 0 1] et g2 = [1 1 1].
Codes de Convolution, Programmation, Mathématiques · 2015
CorrigéLangage de modélisation (UML) - TD4
Partie A - Diagramme d'interaction Exercice 1 - Affectation des Freelancers Question 1 - Diagramme de séquences objets (Ajouter Affectation) Pour construire ce diagramme, nous devons d'abord identifier les éléments principaux à partir de l'énoncé : Acteur : Le Directeur des Ressources Humaines (DRH).
Programming, UML, Software Design · 2016
CorrigéExamen Génie Logiciel
Partie 1 - Spécification des besoins Question 1.a - Identification et classification des besoins L'analyse des propos recueillis permet d'extraire et de classifier les besoins.
Génie Logiciel, Systèmes de gestion, Éducation · 2016
CorrigéTest du Logiciel
Exercice 1 - Partition en classes et valeurs frontières L'objectif de cet exercice est d'identifier les classes d'équivalence pour différentes spécifications, puis de proposer un jeu de test utilisant les valeurs frontières. Le document source présente les solutions dans le désordre ; elles ont été réorganisées ici pour correspondre à l'ordre des questions.
Génie Logiciel, Programmation · École Nationale des Sciences de l'Informatique (ENSI) · 2016