Différences

Ci-dessous, les différences entre deux révisions de la page.

--- cours:plim:elements_techniques_logiciels_lib_clustering [2015/09/29 13:24] – tigli
+++ cours:plim:elements_techniques_logiciels_lib_clustering [2015/09/29 13:25] (Version actuelle) – tigli
@@ Ligne 1: / Ligne 1: @@
-===== Librairies de développement logiciel pour la classification =====
+===== Code Source et Librairies de développement logiciel pour la classification =====
 Voici quelques éléments techniques, en particulier des librairies portables qui reprennent les concepts vus dans le cours de F. Precioso et C. Dartigues et qui vous permettront de finaliser votre projet.
+=== Développement C# .Net pour la classification sans le Framework Accord ===
+Les algorithmes mis en œuvre pour faire du partitionnement ne sont pas forcément complexes et peuvent être développés directement sans s'appuyer sur un framework élaboré.
+Cela est d'autant plus vrai pour le cours PLIM qu'il ne vous est pas demandé un travail poussé sur la machine learning mais essentiellement son utilisation pour la valorisation de votre travail.
+Voici quelques exemples qui vous seront utiles si vous ne voulez pas vous lancer dans les tests des parties opérationnelles du portage d'Accord sous Windows Phone.
@@ Ligne 50: / Ligne 58: @@
-=== Framework Accord .Net (pas encore complétement opérationnel sous WP) ===
+== Framework Accord .Net (pas encore complétement opérationnel sous WP) ==
 Les projets de ce module sont développés sous Windows Phone 8.X.
@@ Ligne 57: / Ligne 65: @@
 La version Accord .Net est opérationnelle sous windows 8.x. Le portage pour cible mobile Windows Phone est en cours. Quelques démos sont opérationnelles mais la compilation et le déploiement de toutes les librairies pour Windows Phone n'est toujours pas validée.
-=== Développement C# .Net pour la classification sans le Framework Accord ===
-Les algorithmes mis en œuvre pour faire du partitionnement ne sont pas forcément complexes et peuvent être développés directement sans s'appuyer sur un framework élaboré.
-Cela est d'autant plus vrai pour le cours PLIM qu'il ne vous est pas demandé un travail poussé sur la machine learning mais essentiellement son utilisation pour la valorisation de votre travail.
-Voici quelques exemples qui vous seront utiles si vous ne voulez pas vous lancer dans les tests des parties opérationnelles du portage d'Accord sous Windows Phone.