Décryptagéo – Web et connaissance – Serge… par sig-la-lettre
Une conférence de Serge Abiteboul.
Monthly Archives: September 2014
Bases de données relationnelles
Les bases de données sont omniprésentes dans nos vies : un virement bancaire, la consultation de ses emails, la recherche d’un itinéraire, la météo des prochains jours … derrière chacune de ces actions, il existe une base de données. Chacun de nous les utilisent tous les jours, si ce n’est toutes les heures.
Les bases de données constituent donc le cœur de nos systèmes d’information. Elles sont en charge du stockage des informations de façon persistante. Elles garantissent aussi sécurité, fiabilité, accès massivement multi-utilisateurs et proposent des langages de manipulation de haut niveau, particulièrement faciles à utiliser.
Télécom SudParis, en collaboration avec l’Université ParisSud et le soutien de l’ Idex Paris-Saclay propose un MOOC permettant d’apprendre à utiliser, gérer, créer des bases de données relationnelles.
Ouverture mercredi 10 septembre
Effort annoncé : 2 heures par semaine
Les intellectuels et les médias
Isaac Newton, l’astronomie et les astronomes
Métaphysique et philosophie de la connaissance
Leçon inaugurale de Claudine Tiercelin (5 mai 2011), professeur au Collège de France et titulaire de la chaire Métaphysique et philosophie de la connaissance.
Texte intégral en libre accès sur OpenEdition Books
Les représentations sacrificielles dans l’art romain
Conférence de John Scheid – Représentations sacrificielles d’après la colonne Trajane.
Retrouvez également John Scheid sur le site du Collège de France.
Cours d’électricité : Tension, courant, puissance, énergie
Plus de vidéos de l’afpa.
Learning from data
Commence le 25 septembre.
Introductory Machine Learning course covering theory, algorithms and applications. Our focus is on real understanding, not just “knowing.”
About this Course
This is an introductory course in machine learning (ML) that covers the basic theory, algorithms, and applications. ML is a key technology in Big Data, and in many financial, medical, commercial, and scientific applications. It enables computational systems to automatically learn how to perform a desired task based on information extracted from the data. ML has become one of the hottest fields of study today, taken up by undergraduate and graduate students from 15 different majors at Caltech. This course balances theory and practice, and covers the mathematical as well as the heuristic aspects. The lectures follow each other in a story-like fashion:
What is learning?
Can a machine learn?
How to do it?
How to do it well?
Take-home lessons.
The topics in the story line are covered by 18 lectures of about 60 minutes each plus Q&A.
Lecture 1: The Learning Problem
Lecture 2: Is Learning Feasible?
Lecture 3: The Linear Model I
Lecture 4: Error and Noise
Lecture 5: Training versus Testing
Lecture 6: Theory of Generalization
Lecture 7: The VC Dimension
Lecture 8: Bias-Variance Tradeoff
Lecture 9: The Linear Model II
Lecture 10: Neural Networks
Lecture 11: Overfitting
Lecture 12: Regularization
Lecture 13: Validation
Lecture 14: Support Vector Machines
Lecture 15: Kernel Methods
Lecture 16: Radial Basis Functions
Lecture 17: Three Learning Principles
Lecture 18: Epilogue
Exovideo : cours de physique (2nde, 1ereS, TS, Bac + 1)
Un site alimenté, maintenu, développé par Monsieur Thierry COLLET, professeur de Physique-Chimie au lycée Vauvenargues à Aix en Provence.
J’en profite pour saluer ici l’extraordinaire implication de nombreux enseignants (et, je suppose, d’une partie de leur hiérarchie) dans les nouvelles formes de diffusion des savoirs et de partage des connaissances.
