De l'Informatique outil au Langage Informatique créé par le Web et à la valeur de l'Information. Université Paris II & LRI Michel de Rougemont

Slides:



Advertisements
Présentations similaires
OC Informatique.
Advertisements

Les présentateurs doivent souvent transmettre des informations techniques à des auditeurs qui connaissent moins bien le sujet et le vocabulaire spécifique.
La théorie du monde est petit
Modèle des jeux et des mécanismes
Logique approchée Michel de Rougemont Université Paris II VERA: CORRECT:
1 Modèles Economiques en Informatique Michel de Rougemont Université Paris II.
Modèle des jeux et des mécanismes
Le hasard et la 0-connaissance Université Paris II Michel de Rougemont Algorithme et hasard Protocoles interactifs et.
M2: Fondements de la Sécurité :authentification
1Deug 1 Systèmes d Information : 7a Michel de Rougemont Université Paris II Les tableurs : Excel.
Regroupement (clustering)
Modèle des jeux et des mécanismes Michel de Rougemont Université Paris II
Séminaire Biblio LISC - 3/04/02 Complexité, information Daprès JP Delahaye (1999)
Complexité et Classification
Cryptographie basée sur les codes
Chapitre VII :Commande par retour d’état
Utilisation du fil RSS du site du Master-Chimie d Aix-Marseille Université Tutoriel réalisé par Fabien.
1 Modèles de lEconomie Numérique Michel de Rougemont University Paris II.
Démarche de résolution de problèmes
Algorithmique et Programmation
Preuves interactives: IP, AM, MA et isomorphisme de graphe
Algorithmes Branch & Bound
Méthode des k plus proches voisins
Rappel... Solution itérative de systèmes linéaires (suite et fin).
DEA Perception et Traitement de l’Information
IFT Au delà de NP: hiérarchie polynomiale, EXP, NEXP.
Courbes de Bézier.
Algorithmes d ’approximation
Projet de Master première année 2007 / 2008
Modélisation géométrique de base
ASI 3 Méthodes numériques pour l’ingénieur
Présentation de la méthode des Eléments Finis
D.E ZEGOUR Ecole Supérieure d’Informatique
Approches Formelles en Systèmes d'information
Modules Web pour l’ENT Réalisé par: HONG Liang WANG Min Tuteur: SPRIET Thierry.
Reconnaissance des personnes par le visage dans des séquences vidéo
Informatique et Science du Numérique
Algorithmes Branch & Bound
Pr BELKHIR Abdelkader USTHB
CORRECTION DU TP 7 : LA DIFFRACTION DE LA LUMIERE
D.E ZEGOUR Ecole Supérieure d’Informatique. Problèmes de décision Concepts de base Expressions régulières Notation particulière pour exprimer certaines.
Les réseaux de neurones à réservoir en traitement d’images
Institut de sciences et technologies Département d’informatique
Probabilités et Statistiques Année 2010/2011
DU commerce éléctronique, mars Logique et fondements de l’informatique Université Paris II Michel de Rougemont
TNS et Analyse Spectrale
Struts.
Logique et fondements de l’informatique
Les réseaux de neurones à réservoir en traitement d’images
Soutenance du mémoire de synthèse
Informatique et Science du Numérique
Combating Web Spam with TrustRank. OSINI Aurélien.
Verification approchée Michel de Rougemont, University Paris II et LRI.
L’erreur standard et les principes fondamentaux du test de t
Dess Paris 1, DESS: Droit de l’Internet Informatique, Pratique des Réseaux Michel de Rougemont, Professeur d'Informatique, Université Paris II,
20/06/2015propagation de signatures lexicales dans le graphe du Web 1 Propagation de signatures lexicales dans le graphe du Web M. Bouklit M. Lafourcade.
Algorithmique et Complexité
Probabilités et Statistiques
Résolution des équations différentielles
31/05/2007Projet Master 11 Présentation ludique de la recherche opérationnelle à la fête de la science Année universitaire 2006/2007 Sylvain FIX Julien.
INTRODUCTION AUX BASES DE DONNEES
1 Systèmes d ’Information : 6b Michel de Rougemont Université Paris II L’Architecture Client/Server.
Probabilités et statistique MQT-1102
Chap. 3 Récursion et induction. Les définitions par récurrence consistent à construire des objets finis, à partir d'autres, selon certaines règles. Les.
Dániel Darvas (CERN BE-ICS-PCS) Spécification formelle pour les API CERN-ESTEREL séminaire 21/01/2016, CERN Travail conjoint avec B. Fernández, E. Blanco,
OC Informatique. Qui devrait choisir cette option ? Futurs étudiants à l'EPFL ou à l'ETHZ Futurs étudiants scientifiques Tous les élèves intéressés et.
INFORMATIQUE et SCIENCES du NUMERIQUE Lycée FRANCOISE Tournefeuille 7 décembre 2015.
De la Terre à la carte: Projections et Géoréférencement
Révisions pour l’exam L2 Informatique Obligatoire.
Transcription de la présentation:

De l'Informatique outil au Langage Informatique créé par le Web et à la valeur de l'Information. Université Paris II & LRI Michel de Rougemont

Informatique Outil Depuis 1960: 1.Informatique de Gestion : Cobol 2.Informatique Scientifique: Fortran Depuis 1975: 1.Outils de bureautique 2.Bases de données: SQL Depuis 1995: 1.Navigateur: IExplorer 2.Moteurs de recherche : Google 3.Services Web: Amazon

Langage, Valeur de l’information et des Services 1.Langage du Web Outil multi-langue Moteurs google.com, google.fr, google.de….. 2.Modèles de valeur de l’information Valeur d’un fichier Valeur d’un mail. Valeur relative d’un fichier XML. 3.Services et Economie numérique Services Web Futurs services 4.Science de l’Informatique pour: Régulation Création de services

Valeur d’un site 1.Valeur Google Autorité, Valeur statique « A est grand si de nombreux sites de grande autorité pointent vers A » 2. Valeur $ d’un service WEB 3. Autres mesures possibles service d’une administration service d’une association

Actualités Google news.google.com news.google.fr Le

Valeur d’un 1. Comment faire la différence entre un vrai mail et un SPAM? 2. Pousuites légales de Spammers 3. Modifications au protocole de mail (pop, smtp)

Logique et hasard Fondements de l’Informatique 1.Logique 2.Algorithmique 3.Hasard et Approximation Calculer f(x)=y peut être difficile Estimer peut être facile.

Exemple: calcul fiable Comment calculer fiablement à partir de composants non-fiables? Chaque composant (+, /) fait 30% d’erreur dans l’intervalle [1,100] Remarque pour: Algorithme: calculer Résultat = réponse majoritaire, erreur Même technique pour f(x,y,z).

Protocole valorisé d’ 1.Introduire un timbre numérique pour combattre la gratuité. 2.La timbre est un calcul plus ou moins long imposé par le destinataire à l’expéditeur. 3.Le destinataire peut vérifier le calcul très rapidement. 4.Modifications au protocole de mail (pop, smtp)

Valeur proportionnelle au calcul demandé à A par B Modifications au protocole de mail (pop, smtp) 1.A prend un ticket sur la page Web de B. (Entrée x d’un problème) 2.A calcule f(x)=y 3.A envoie y et l’ 4.B vérifie y A B 1. ticket 3. Résultat et 2.Calcul

A calcule une fonction polynomiale A prend un ticket sur la page Web de B. B : génère un polynôme aléatoire de degré n B: choisit n+1 valeurs aléatoires Ticket= A doit trouver P(x) à partir du ticket. Interpolation ou Inversion matricielle

B vérifie le calcul B garde P(x) lorsqu’il génère le ticket. Vérifier consiste à comparer les coefficients de P(x) avec ceux envoyés par A. On peut paramétrer: le degré, la précision des valeurs aléatoires pour forcer A à calculer 10 minutes 30 minutes…. Interpolation est polynomiale La vérification est triviale

Régulation et sécurité informatique Problèmes tels que: DRM: gestion des droits digitaux Routage équilibré Détection d’intrus Solutions définissent des modèles de valeur. Solution technique allie algorithmique et hasard

Valeur d’un document XML? 1.Structure de document: comment différencier un livre, d’un rapport, d’un document administratif ? 2.Solution XML : DTD (Data Type Definition) Définit la structure. Le document doit suivre cette structure 3.Comment mesurer l’écart d’un document avec une DTD ?

XML document DTD.. Logic mdr

XML avec erreurs

Valeur XML=dist(F, DTD) 1.Définition: dist(F, DTD) est la plus petite distance d’Edition entre F et F’ accepté par la DTD. 2.Distance est difficile à calculer. 3.On peut décider facilement (O(1)) si la distance est grande. 4.Si la distance est petite, on peut corriger F, et obtenir F’.

Applications futures 1.Web sémantique Recherche de documents structurés: Exemples: L’article du Monde dont une section parle de XML. La séquence vidéo qui montre le discours de Clinton à l’ONU. 2.Nouveaux services

Sciences du langage 1.Sens et Dénotation. Langages artificiels ne capturent que la dénotation. Comment s’intéresser à d’autre propriétés (intensionnelles). 2.La valeur est une propriété intensionnelle: Approximable Avec le hasard

1.Satisfiabilité : U |= F 2.Satisfiabilité approchée U |= F Image sur la classe K des arbres Satisfiabilité approchée

Conclusion Modèles de Valeur –Site : pagerank – calcul –XML, relative à une DTD Test et correction de langages réguliers Economie Numérique –Création de service qui a une valeur économique. Sciences du langage –Intension et approximation

Arbres binaires : p-Distance avec permutation Tree-Edit-Distance Dist(T1,T2) =2 p-Dist (T1,T2) =1 Dist (T, L) = Min Dist (T,T’) a e b cd a e b c a e b cd f e Deletion Insertion

Logique, testeurs, et correcteurs Un Testeur décides |= pour une formule F. Un Correcteur prend un arbre T proche d’un language L et trouve T’ dans L proche de T. Possible si L suit une logique simple. Théorème. Il existe un correcteur pour le langage des arbres réguliers à distance constante.

Exemple simple Testeur pour 0+ 1* 0+ Types de segments: probablement accepté rejeté avec grande probabilité Correcteur pour 0+ 1* *

Décomposition arborescente XML peut être transformé en un arbre binaire

XML avec erreurs

XML corrigé No ambiguities on the possible states of q’’ Immediate correction!

Règles de correction XML q1q2qq’ q’’ -p1 t c ……- - - q1 q2 q’’ instead of * Action Insert, Link Delete, Delete

Valeur relative de documents Pour une DTD, marquer les documents Web comme suit: –Infini s’ils sont loins –Dist(Document,DTD)=i On obtient un paysage valué relatif à une DTD. Combinaisons booléennes Generalization à –Min{ Dist(D,DTD’) : }

Informatique-Economie Diplôme Universitaire Modèles de l’Economie Numérique (Université Paris II) Futur Master Economie et Complexité, Ecole des Mines-Paris, Paris II