Différences

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

--- cours:plim:plim_2014_2015 [2014/11/17 06:41] – [Plateformes logicielles pour l'Informatique Mobile] tigli
+++ cours:plim:plim_2014_2015 [2015/09/21 16:50] (Version actuelle) – [AUTRE INFOS DIVERSES] tigli
@@ Ligne 1: / Ligne 1: @@
 ====== Plateformes logicielles pour l'Informatique Mobile ======
@@ Ligne 25: / Ligne 26: @@
 ===== Eléments 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 qui vous permettront de finaliser votre projet.
+[[:cours:plim:elements_techniques_logiciels_lib_clustering|Eléments de développement logiciel pour la classification]]
-=== Framework Accord .Net (pas encore complétement opérationnel sous WP) ===
-Les projets de ce module sont développés sous Windows Phone 8.X.
-Un des frameworks les plus connus sous .Net est [[http://accord-framework.net/|le framework Accord]] dans lequel on peut trouver un grand nombre de libraires pour le Machine Learning, la vision, le traitement audio, le traitement du signal en général et des applications statistiques.
-Pour faire vos premiers pas voici des [[http://accord-framework.net/get-started.html|pages bien conçues]].
-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.
-== K-means clustering sous C# ==
-|||
-Il s'agit d'un algorithme de classification non supervisé.
-L'algorithme k-means, parfois appelé l'algorithme de Lloyd, est applicable uniquement pour les données purement numériques.
-Il consiste à
-  - initialiser le partitionnement
-  - début boucle
-  -    calculer les valeurs moyennes de chaque groupe
-  -    mettre à jour le partitionnement à partir des nouvelles moyennes
-  - fin de boucle
-Vous trouverez toutes les explications sur [[http://visualstudiomagazine.com/articles/2013/12/01/k-means-data-clustering-using-c.aspx|K-means clustering sous C#]]
-Voici le code source de l'exemple en {{:cours:plim:sample-k-means-clustering-c_.zip| C# pour le K-means clustering}}.
-== Librairies Alglib pour .Net ==
-|||
-Les librairies  [[http://www.alglib.net/download.phpAlglib|Alglib]] offrent une version libre et gratuite en pure C# [[http://www.alglib.net/translator/re/alglib-3.8.2.csharp.zip|alglib-3.8.2.csharp.zip]].
-Ces librairies sont portables sous Windows Phone avec le code C# en mode managé bien sur (i.e. pas de noyau en code natif, donc moins performant mais portable).
-Elles fournissent des algorithmes de classification en mode supervisé ou non, tels que :
-  * les forêts aléatoires ou forêts d'arbres décisionnels([[http://www.alglib.net/translator/man/manual.csharp.html#unit_dforest|Random Forest et dforest subpackage]]]).
-Les forêts aléatoires sont des techniques très utilisées pour la prise la reconnaissance comme celle des gestes et postures (ex. sur la kinect).
-Des [[http://www.alglib.net/dataanalysis/generalprinciples.php|principes de base]] doivent être assimilés avant d'aller plus loin dans leur mise en œuvre.
-  * le Classification ascendante hiérarchique ([[http://www.alglib.net/dataanalysis/clustering.php|Agglomerative hierarchical clustering]]).
-La Classification ascendante hiérarchique (CAH) est un algorithme de clustering populaire qui agglomère des petits groupes dans des plus grands jusqu'à obtenir un grand groupe qui inclut tous les points / objets.
-Les données du problème comprennent alors un ensemble de points (ou objets), une métrique (la formule qui est utilisée pour déterminer la distance entre deux points), le type de liaison (la formule qui est utilisé pour déterminer la distance entre deux groupes).
-Vous pourrez trouver plus de détails sur [[http://www.statsoft.fr/concepts-statistiques/classifications/classifications.php#.VFkDMslpO7U|Techniques Exploratoires Multivariées]]
 ===== Prérequis Techniques =====
@@ Ligne 101: / Ligne 39: @@
-==== Liste des Sujets de Projet 2014 - 2015 ====
+===== Liste des Sujets de Projet 2014 - 2015 =====
 |||
    * A titre indicatif : **Template de Page de Projet**, [[projets:plim:template_rendu| Template de Page DokuWiki de Rendu de projet (in english) ]]
@@ Ligne 157: / Ligne 95: @@
 === Séance 5 : REVUE et VALIDATION de Sujet de PROJET  ===
-== Mail sur le Projet à faire au 300914 ==
+Cf. pages Wiki des projets
-Dans la suite,
-[<nom1>] [<nom2>] [<nom3>]  est la liste des noms des membres d'une groupe de travail.
-**Mail à envoyer :**
-  * Subject : [MASTER SI5 PLIM] [<nom>] [<nom>] [<nom>] ..
-  * Body :
-    * Nom 1
-    * Prénom 1
-    * Option
-    * Adresse email 1
-    * Nom 2
-    * Prénom 2
-    * Option
-    * Adresse email 2
-    * Nom 3
-    * Prénom3
-    * Option
-    * Adresse email 3
-    * Marque et type de votre téléphone
-    * Téléphone personnel O/N
-    * IMEI de votre téléphone (sur lequel vous aurez créé votre compte développeur)
-    * Mon projet : sera intitulé <nom de projet> / je sais pas
-    * Sujet de Projet proposé :
-<quelques lignes sur le projet>
-<indiquer les données collectées sur le téléphone, le nom de l'API et du namespace .Net pour cela>
-<indiquer les informations que vous voulez obtenir après traitement (classification ...) des données collectées>
-<indiquer la manière dont vous présenterez les informations obtenues à l'utilisateur>
-<indiquer si vous souhaitez utiliser les informations obtenues pour d'autres fonctionnalités comme des actions sur votre téléphone
-    * Sujet validé par JY Tigli : O / N
 === Séances 6, 7  et 8 : Développement sous IOs  ===
@@ Ligne 205: / Ligne 104: @@
   * Séance 7 : (4h) Présenter l’information (UI) et communiquer (réseau) avec iOS
   * Séance 8 : (4h) Les capteurs mobiles sur iPhone & iPad
-===== Conseils Techniques et Tutoriaux des cours =====
+===== Autres Tutoriaux de cours =====
+[[cours:plim:Tutoriaux_plim_1415_collecte_info_capteurs|Collecte des Informations Capteurs sous Windows Phone]]
+[[cours:plim:Tutoriaux_plim_1415_GUI|Interfaces Graphiques sous Windows Phone]]
+[[cours:plim:Librairies_et_tutoriaux__plim_1415_Machine_Learning_sous_Windows_et_Windows_Phone|Tutoriaux de Machine Learning sous Windows Phone]]
-[[cours:plim:Tutoriaux_plim_1415_collecte_info_capteurs|]]
-[[cours:plim:Tutoriaux_plim_1415_GUI|]]
+===== AUTRE INFOS DIVERSES =====
-[[cours:plim:Librairies_et_tutoriaux__plim_1415_Machine_Learning_sous_Windows_et_Windows_Phone|]]
+=== FAQ ===
-==== FAQ ====
 [[cours:plim:FAQsurleCoursEtLesTutoriauxPLIM2014|FAQ sur les cours et tutoriaux]]
-==== AUTRE INFOS ====
+=== ALLER A L'IUT CLIO Salle 202 ===
@@ Ligne 228: / Ligne 131: @@
+=== ARCHIVES ====
-==== ARCHIVES =====
+[[https://www.tigli.fr/doku.php?id=cours:plim:plim_2014_2015|Cours PLIM 2014 2015]]
 [[https://www.tigli.fr/doku.php?id=cours:plim:plim_2013_2014|Cours PLIM 2013 2014]]