University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'éditeur
Documents disponibles chez cet éditeur
Ajouter le résultat dans votre panier Affiner la recherche
Apprentissage artificiel / Antoine Cornuéjols
Titre : Apprentissage artificiel Type de document : texte imprimé Auteurs : Antoine Cornuéjols, Auteur ; Laurent Miclet, Auteur Mention d'édition : 2e éd. Editeur : Paris : Eyrolles Année de publication : 2010 Collection : Algorithmes (Paris), ISSN 1625-113X Importance : 1 vol. (803 p.) Présentation : ill., couv. ill. Format : 24 cm ISBN/ISSN/EAN : 978-2-212-12471-2 Note générale : Bibliogr. p. 765-795. Index Langues : Français (fre) Catégories : Informatique Mots-clés : Intelligence artificielle
Apprentissage automatique
AlgorithmesIndex. décimale : 006.3 - Intelligence artificielle Résumé :
Les programmes d'intelligence artificielle sont aujourd'hui capables de reconnaître des commandes vocales, d'analyser automatiquement des photos satellites, d'assister des experts pour prendre des décisions dans des environnements complexes et évolutifs (analyse de marchés financiers, diagnostics médicaux...), de fouiller d'immenses bases de données hétérogènes, telles les innombrables pages du Web...
Pour réaliser ces tâches, ils sont dotés de modules d'apprentissage leur permettant d'adapter leur comportement à des situations jamais rencontrées, ou d'extraire des lois à partir de bases de données d'exemples.
Ce livre présente les concepts qui sous-tendent l'apprentissage artificiel, les algorithmes qui en découlent et certaines de leurs applications. Son objectif est de décrire un ensemble d'algorithmes utiles en tentant d'établir un cadre théorique pour l'ensemble des techniques regroupées sous ce terme "d'apprentissage artificiel".
À qui s'adresse ce livre ?
Ce livre s'adresse tant aux décideurs et aux ingénieurs qui souhaitent mettre au point des applications qu'aux étudiants de niveau Master 1 et 2 et en école d'ingénieurs, qui souhaitent un ouvrage de référence sur ce domaine clé de l'intelligence artificielle.Note de contenu :
Sommaire
I. Les fondements de l'apprentissage
1. De l'apprentissage naturel à l'apprentissage artificiel
2. Première approche théorique de l'induction
3. L'environnement méthodologique de l'apprentissage
II. Apprentissage par exploration
4. Induction et relation d'ordre : l'espace des versions
5. La programmation logique inductive
6. Transfert de connaissances et apprentissage par analogie
7. L'inférence grammaticale
8. Apprentissage par évolution simulée
III. Apprentissage par optimisation
9. L'apprentissage de modèles linéaires
10. L'apprentissage de réseaux connexionnistes
11. L'apprentissage de réseaux bayésiens
12. L'apprentissage de modèles de Markov cachés
13. Apprentissage par inférence d'arbres
IV. Apprentissage par approximation et interpolation
14. Méthode à noyaux
15. L'apprentissage bayésien et son approximation
16. L'apprentissage de réflexes par renforcement
V. Au-delà de l'apprentissage supervisé
17. Apprentissage de combinaisons d'experts
18. La classification non supervisée et la fouille de données
19. L'apprentissage semi-supervisé
20. Vers de nouvelles tâches et de nouvelles questions
21. Analyse de l'induction : approfondissements et ouvertures
VI. Annexes techniquesCôte titre : Fs/19539,Fs/4613-4615,Fs/7119 Apprentissage artificiel [texte imprimé] / Antoine Cornuéjols, Auteur ; Laurent Miclet, Auteur . - 2e éd. . - Paris : Eyrolles, 2010 . - 1 vol. (803 p.) : ill., couv. ill. ; 24 cm. - (Algorithmes (Paris), ISSN 1625-113X) .
ISBN : 978-2-212-12471-2
Bibliogr. p. 765-795. Index
Langues : Français (fre)
Catégories : Informatique Mots-clés : Intelligence artificielle
Apprentissage automatique
AlgorithmesIndex. décimale : 006.3 - Intelligence artificielle Résumé :
Les programmes d'intelligence artificielle sont aujourd'hui capables de reconnaître des commandes vocales, d'analyser automatiquement des photos satellites, d'assister des experts pour prendre des décisions dans des environnements complexes et évolutifs (analyse de marchés financiers, diagnostics médicaux...), de fouiller d'immenses bases de données hétérogènes, telles les innombrables pages du Web...
Pour réaliser ces tâches, ils sont dotés de modules d'apprentissage leur permettant d'adapter leur comportement à des situations jamais rencontrées, ou d'extraire des lois à partir de bases de données d'exemples.
Ce livre présente les concepts qui sous-tendent l'apprentissage artificiel, les algorithmes qui en découlent et certaines de leurs applications. Son objectif est de décrire un ensemble d'algorithmes utiles en tentant d'établir un cadre théorique pour l'ensemble des techniques regroupées sous ce terme "d'apprentissage artificiel".
À qui s'adresse ce livre ?
Ce livre s'adresse tant aux décideurs et aux ingénieurs qui souhaitent mettre au point des applications qu'aux étudiants de niveau Master 1 et 2 et en école d'ingénieurs, qui souhaitent un ouvrage de référence sur ce domaine clé de l'intelligence artificielle.Note de contenu :
Sommaire
I. Les fondements de l'apprentissage
1. De l'apprentissage naturel à l'apprentissage artificiel
2. Première approche théorique de l'induction
3. L'environnement méthodologique de l'apprentissage
II. Apprentissage par exploration
4. Induction et relation d'ordre : l'espace des versions
5. La programmation logique inductive
6. Transfert de connaissances et apprentissage par analogie
7. L'inférence grammaticale
8. Apprentissage par évolution simulée
III. Apprentissage par optimisation
9. L'apprentissage de modèles linéaires
10. L'apprentissage de réseaux connexionnistes
11. L'apprentissage de réseaux bayésiens
12. L'apprentissage de modèles de Markov cachés
13. Apprentissage par inférence d'arbres
IV. Apprentissage par approximation et interpolation
14. Méthode à noyaux
15. L'apprentissage bayésien et son approximation
16. L'apprentissage de réflexes par renforcement
V. Au-delà de l'apprentissage supervisé
17. Apprentissage de combinaisons d'experts
18. La classification non supervisée et la fouille de données
19. L'apprentissage semi-supervisé
20. Vers de nouvelles tâches et de nouvelles questions
21. Analyse de l'induction : approfondissements et ouvertures
VI. Annexes techniquesCôte titre : Fs/19539,Fs/4613-4615,Fs/7119 Exemplaires (5)
Code-barres Cote Support Localisation Section Disponibilité Fs/19539 Fs/19539 Livre Bibliothéque des sciences Français Disponible
DisponibleFs/4613 Fs/4613-4615 livre Bibliothéque des sciences Français Disponible
DisponibleFs/4614 Fs/4613-4615 livre Bibliothéque des sciences Français Disponible
DisponibleFs/4615 Fs/4613-4615 livre Bibliothéque des sciences Français Disponible
DisponibleFs/7119 Fs/7119 livre Bibliothéque des sciences Français Disponible
DisponibleApprentissage artificiel / Antoine Cornuéjols
Titre : Apprentissage artificiel : Deep learning, concepts et algorithmes Type de document : texte imprimé Auteurs : Antoine Cornuéjols, Auteur ; Laurent Miclet, Auteur ; Vincent Barra, Auteur Mention d'édition : 3e éd. Editeur : Paris : Eyrolles Année de publication : 2018 Collection : Algorithmes (Paris), ISSN 1625-113X Importance : 1 vol. (899 p.) Présentation : ill. Format : 23 cm ISBN/ISSN/EAN : 978-2-212-67522-1 Note générale : 978-2-212-67522-1 Langues : Français (fre) Catégories : Informatique Mots-clés : Intelligence artificielle Index. décimale : 006.3 Intelligence artificielle Résumé :
Les programmes d'intelligence artificielle sont aujourd'hui capables de reconnaître des commandes vocales, d'analyser automatiquement des photos satellites, d'assister des experts pour prendre des décisions dans des environnements complexes et évolutifs (analyse de marchés financiers, diagnostics médicaux...), de fouiller d'immenses bases de données hétérogènes, telles les innombrables pages du Web... Pour réaliser ces tâches, ils sont dotés de modules d'apprentissage leur permettant d'adapter leur comportement à des situations jamais rencontrées, ou d'extraire des lois à partir de bases de données d'exemples. Ce livre présente les concepts qui sous-tendent l'apprentissage artificiel, les algorithmes qui en découlent et certaines de leurs applications. Son objectif est de décrire un ensemble d'algorithmes utiles en tentant d'établir un cadre théorique pour l'ensemble des techniques regroupées sous ce terme "d'apprentissage artificiel". La troisième édition de ce livre a été complètement réorganisée pour s'adapter aux évolutions très significatives de l'apprentissage artificiel ces dernières années. Une large place y est accordée aux techniques d'apprentissage profond et à de nouvelles applications, incluant le traitement de flux de données. [Cit. 4e de coNote de contenu :
Sommaire
P. iii. Table des matières
P. ix. Notations
P. 1. I Des machines apprenantes !
P. 3. 1 Des algorithmes qui apprennent ?
P. 43. 2 Introduction à des approches théoriques de l'induction supervisée
P. 85. II L'induction exploitant la structure de l'espace des hypothèses
P. 87. 3 Exploitation d'une relation de généralité entre hypothèses
P. 111. 4 L'inférence grammaticale
P. 153. 5 La programmation logique inductive
P. 191. 6 La recherche de motifs dans les données
P. 213. 7 Apprentissage et théorie du domaine
P. 237. III L'induction par optimisation d'un critère inductif
P. 239. 8 L'apprentissage de modèles linéaires
P. 269. 9 L'apprentissage de réseaux connexionnistes
P. 301. 10 Apprentissage profond
P. 339. IV L'induction par comparaison à des exemples (et par collaboration)
P. 341. 11 Apprentissage par similarité
P. 371. 12 Méthodes à noyaux
P. 431. 13 Apprentissage par combinaison d'experts
P. 471. V L'apprentissage descriptif
P. 473. 14 Apprentissages non supervisés
P. 501. 15 Les changements de représentation
P. 531. 16 L'apprentissage bayésien et son approximation
P. 573. 17 L'apprentissage de réseaux bayésiens
P. 603. 18 L'apprentissage de modèles de Markov cachés
P. 627. VI Apprentissage en environnement non stationnaire
P. 629. 19 L'apprentissage de réflexes par renforcement
P. 671. 20 Nouveaux scénarios : apprentissages actif, en ligne et par transfert
P. 707. VII Aspects pratiques et suppléments
P. 790. 21 L'apprentissage semi-supervisé
P. 733. 22 Analyse de l'induction : approfondissement et ouvertures
P. 767. 23 Aspects pratiques de l'apprentissage
P. 817. VIII Annexes techniques
P. 819. 24 Annexes techniques
P. 851. Bibliographie
P. 891. Index
Côte titre : Fs/23260-23261 Apprentissage artificiel : Deep learning, concepts et algorithmes [texte imprimé] / Antoine Cornuéjols, Auteur ; Laurent Miclet, Auteur ; Vincent Barra, Auteur . - 3e éd. . - Paris : Eyrolles, 2018 . - 1 vol. (899 p.) : ill. ; 23 cm. - (Algorithmes (Paris), ISSN 1625-113X) .
ISBN : 978-2-212-67522-1
978-2-212-67522-1
Langues : Français (fre)
Catégories : Informatique Mots-clés : Intelligence artificielle Index. décimale : 006.3 Intelligence artificielle Résumé :
Les programmes d'intelligence artificielle sont aujourd'hui capables de reconnaître des commandes vocales, d'analyser automatiquement des photos satellites, d'assister des experts pour prendre des décisions dans des environnements complexes et évolutifs (analyse de marchés financiers, diagnostics médicaux...), de fouiller d'immenses bases de données hétérogènes, telles les innombrables pages du Web... Pour réaliser ces tâches, ils sont dotés de modules d'apprentissage leur permettant d'adapter leur comportement à des situations jamais rencontrées, ou d'extraire des lois à partir de bases de données d'exemples. Ce livre présente les concepts qui sous-tendent l'apprentissage artificiel, les algorithmes qui en découlent et certaines de leurs applications. Son objectif est de décrire un ensemble d'algorithmes utiles en tentant d'établir un cadre théorique pour l'ensemble des techniques regroupées sous ce terme "d'apprentissage artificiel". La troisième édition de ce livre a été complètement réorganisée pour s'adapter aux évolutions très significatives de l'apprentissage artificiel ces dernières années. Une large place y est accordée aux techniques d'apprentissage profond et à de nouvelles applications, incluant le traitement de flux de données. [Cit. 4e de coNote de contenu :
Sommaire
P. iii. Table des matières
P. ix. Notations
P. 1. I Des machines apprenantes !
P. 3. 1 Des algorithmes qui apprennent ?
P. 43. 2 Introduction à des approches théoriques de l'induction supervisée
P. 85. II L'induction exploitant la structure de l'espace des hypothèses
P. 87. 3 Exploitation d'une relation de généralité entre hypothèses
P. 111. 4 L'inférence grammaticale
P. 153. 5 La programmation logique inductive
P. 191. 6 La recherche de motifs dans les données
P. 213. 7 Apprentissage et théorie du domaine
P. 237. III L'induction par optimisation d'un critère inductif
P. 239. 8 L'apprentissage de modèles linéaires
P. 269. 9 L'apprentissage de réseaux connexionnistes
P. 301. 10 Apprentissage profond
P. 339. IV L'induction par comparaison à des exemples (et par collaboration)
P. 341. 11 Apprentissage par similarité
P. 371. 12 Méthodes à noyaux
P. 431. 13 Apprentissage par combinaison d'experts
P. 471. V L'apprentissage descriptif
P. 473. 14 Apprentissages non supervisés
P. 501. 15 Les changements de représentation
P. 531. 16 L'apprentissage bayésien et son approximation
P. 573. 17 L'apprentissage de réseaux bayésiens
P. 603. 18 L'apprentissage de modèles de Markov cachés
P. 627. VI Apprentissage en environnement non stationnaire
P. 629. 19 L'apprentissage de réflexes par renforcement
P. 671. 20 Nouveaux scénarios : apprentissages actif, en ligne et par transfert
P. 707. VII Aspects pratiques et suppléments
P. 790. 21 L'apprentissage semi-supervisé
P. 733. 22 Analyse de l'induction : approfondissement et ouvertures
P. 767. 23 Aspects pratiques de l'apprentissage
P. 817. VIII Annexes techniques
P. 819. 24 Annexes techniques
P. 851. Bibliographie
P. 891. Index
Côte titre : Fs/23260-23261 Exemplaires (2)
Code-barres Cote Support Localisation Section Disponibilité Fs/23260 Fs/23260-23261 livre Bibliothéque des sciences Français Disponible
Sorti jusqu'au 09/01/2024Fs/23261 Fs/23260-23261 livre Bibliothéque des sciences Français Disponible
Disponible
Titre : Apprentissage machine : De la théorie à la pratique Type de document : texte imprimé Auteurs : Massih-Reza Amini, Auteur Editeur : Paris : Eyrolles Année de publication : 2015 Collection : Algorithmes (Paris), ISSN 1625-113X Importance : 1 vol. (272 p.) Présentation : ill., fig., couv. ill. en coul. Format : 23 cm ISBN/ISSN/EAN : 978-2-212-13800-9 Note générale : 978-2-212-13800-9 Langues : Français (fre) Catégories : Informatique Mots-clés : Apprentissage supervisé (intelligence artificielle)
Apprentissage automatique
Intelligence computationnelle
Intelligence artificielleIndex. décimale : 006.3 Intelligence artificielle Résumé :
L'apprentissage machine est l'un des domaines phares de l'intelligence artificielle. Il concerne l'étude et le développement de modèles quantitatifs permettant à un ordinateur d'accomplir des tâches sans qu'il soit explicitement programmé à les faire. Apprendre dans ce contexte revient à reconnaître des formes complexes et à prendre des décisions intelligentes. Compte tenu de toutes les entrées existantes, la complexité pour y arriver réside dans le fait que l'ensemble des décisions possibles est généralement très difficile à énumérer. Les algorithmes en apprentissage machine ont par conséquent été conçus dans le but d'acquérir de la connaissance sur le problème à traiter en se basant sur un ensemble de données limitées issues de ce problème.
Un ouvrage de référence
Cet ouvrage présente les fondements scientifiques de la théorie de l'apprentissage supervisé, les algorithmes les plus répandus développés suivant ce domaine ainsi que les deux cadres de l'apprentissage semi-supervisé et de l'ordonnancement, à un niveau accessible aux étudiants de master et aux élèves ingénieurs. Nous avons eu ici le souci de fournir un exposé cohérent reliant la théorie aux algorithmes développés dans cette sphère. Mais cette étude ne se limite pas à présenter ces fondements, vous trouverez ainsi quelques programmes des algorithmes classiques proposés dans ce manuscrit, écrits en langage C (langage à la fois simple et populaire), et à destination des lecteurs qui cherchent à connaître le fonctionnement de ces modèles désignés parfois comme des boîtes noires.
À qui s'adresse ce livre ?
Aux élèves ingénieurs, étudiants de master et doctorants en mathématiques appliquées, algorithmique, recherche opérationnelle, gestion de production, aide à la décision.
Aux ingénieurs, enseignants-chercheurs, informaticiens, industriels, économistes et décideurs ayant à résoudre des problèmes de classification, de partitionnement et d'ordonnancement à large échelle.Note de contenu :
Sommaire
Introduction à la théorie de l'apprentissage
Algorithmes d'optimisation convexe non-contrainte
Classification bi-classes
Classification multi-classes
Apprentissage semi-supervisé
Apprentissage de modèles d'ordonnancement
Annexes (rappels de probabilités, code programmes)Côte titre : Fs/16096-16100 En ligne : https://www.amazon.fr/Apprentissage-machine-pratique-fondamentaux-Learning/dp/22 [...] Format de la ressource électronique : Apprentissage machine : De la théorie à la pratique [texte imprimé] / Massih-Reza Amini, Auteur . - Paris : Eyrolles, 2015 . - 1 vol. (272 p.) : ill., fig., couv. ill. en coul. ; 23 cm. - (Algorithmes (Paris), ISSN 1625-113X) .
ISBN : 978-2-212-13800-9
978-2-212-13800-9
Langues : Français (fre)
Catégories : Informatique Mots-clés : Apprentissage supervisé (intelligence artificielle)
Apprentissage automatique
Intelligence computationnelle
Intelligence artificielleIndex. décimale : 006.3 Intelligence artificielle Résumé :
L'apprentissage machine est l'un des domaines phares de l'intelligence artificielle. Il concerne l'étude et le développement de modèles quantitatifs permettant à un ordinateur d'accomplir des tâches sans qu'il soit explicitement programmé à les faire. Apprendre dans ce contexte revient à reconnaître des formes complexes et à prendre des décisions intelligentes. Compte tenu de toutes les entrées existantes, la complexité pour y arriver réside dans le fait que l'ensemble des décisions possibles est généralement très difficile à énumérer. Les algorithmes en apprentissage machine ont par conséquent été conçus dans le but d'acquérir de la connaissance sur le problème à traiter en se basant sur un ensemble de données limitées issues de ce problème.
Un ouvrage de référence
Cet ouvrage présente les fondements scientifiques de la théorie de l'apprentissage supervisé, les algorithmes les plus répandus développés suivant ce domaine ainsi que les deux cadres de l'apprentissage semi-supervisé et de l'ordonnancement, à un niveau accessible aux étudiants de master et aux élèves ingénieurs. Nous avons eu ici le souci de fournir un exposé cohérent reliant la théorie aux algorithmes développés dans cette sphère. Mais cette étude ne se limite pas à présenter ces fondements, vous trouverez ainsi quelques programmes des algorithmes classiques proposés dans ce manuscrit, écrits en langage C (langage à la fois simple et populaire), et à destination des lecteurs qui cherchent à connaître le fonctionnement de ces modèles désignés parfois comme des boîtes noires.
À qui s'adresse ce livre ?
Aux élèves ingénieurs, étudiants de master et doctorants en mathématiques appliquées, algorithmique, recherche opérationnelle, gestion de production, aide à la décision.
Aux ingénieurs, enseignants-chercheurs, informaticiens, industriels, économistes et décideurs ayant à résoudre des problèmes de classification, de partitionnement et d'ordonnancement à large échelle.Note de contenu :
Sommaire
Introduction à la théorie de l'apprentissage
Algorithmes d'optimisation convexe non-contrainte
Classification bi-classes
Classification multi-classes
Apprentissage semi-supervisé
Apprentissage de modèles d'ordonnancement
Annexes (rappels de probabilités, code programmes)Côte titre : Fs/16096-16100 En ligne : https://www.amazon.fr/Apprentissage-machine-pratique-fondamentaux-Learning/dp/22 [...] Format de la ressource électronique : Exemplaires (5)
Code-barres Cote Support Localisation Section Disponibilité Fs/16096 Fs/16096-16100 livre Bibliothéque des sciences Français Disponible
DisponibleFs/16097 Fs/16096-16100 livre Bibliothéque des sciences Français Disponible
DisponibleFs/16098 Fs/16096-16100 livre Bibliothéque des sciences Français Disponible
DisponibleFs/16099 Fs/16096-16100 livre Bibliothéque des sciences Français Disponible
DisponibleFs/16100 Fs/16096-16100 livre Bibliothéque des sciences Français Disponible
DisponibleApprentissage rapide du basic / Claude j De rossi
Titre : Apprentissage rapide du basic Type de document : texte imprimé Auteurs : Claude j De rossi, Auteur Mention d'édition : 4e éd Editeur : Paris : Eyrolles Année de publication : 1983 Importance : 1 vol. (207 p.) Format : 23 cm Langues : Français (fre) Catégories : Informatique Mots-clés : BASIC (langage de programmation) Index. décimale : 004 - Informatique Côte titre : Fs/8170 Apprentissage rapide du basic [texte imprimé] / Claude j De rossi, Auteur . - 4e éd . - Paris : Eyrolles, 1983 . - 1 vol. (207 p.) ; 23 cm.
Langues : Français (fre)
Catégories : Informatique Mots-clés : BASIC (langage de programmation) Index. décimale : 004 - Informatique Côte titre : Fs/8170 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité Fs/8170 Fs/8170 livre Bibliothéque des sciences Français Disponible
DisponibleArchitecture des ordinateurs / Jean-Jacques Schwarz
Titre : Architecture des ordinateurs Type de document : texte imprimé Auteurs : Jean-Jacques Schwarz, Auteur Editeur : Paris : Eyrolles Année de publication : 2005 Importance : 1 vol. (412 p.) Présentation : ill., couv. ill. en coul. Format : 23 cm ISBN/ISSN/EAN : 978-2-212-11635-9 Note générale : La couv. porte en plus : "classes préparatoires, BTS, DEUG, IUP, IUT"
Bibliogr. et webliogr. p. 407-408. Glossaire. IndexLangues : Français (fre) Catégories : Informatique Mots-clés : Architecture des ordinateurs Index. décimale : 004.22 Architecture des ordinateurs Résumé :
Un livre de référence couvrant les dernières avancées technologiques
Conçu pour les étudiants, cet ouvrage très didactique permet de comprendre comment s'organisent les différents composants fonctionnels d'un ordinateur, en utilisant un vocabulaire à la fois accessible et précis. Il adopte une démarche ascendante, conduisant le lecteur à construire un ordinateur brique par brique, en partant du bit le plus élémentaire jusqu'aux supercalculateurs les plus sophistiqués. Chaque aspect est illustré par des exemples concrets et actuels, allant du simple 8 bits à l'Itanium et au PowerPC, en passant par la famille 68000, les Pentium, les processeurs MIPS et Sparc.
À qui s'adresse ce livre ?
À tous les étudiants en écoles d'informatique, écoles d'ingénieurs, BTS, DUT, licences...
À tous les programmeurs débutants
Note de contenu :
Sommaire
Avant-propos
Introduction
Du bouclier à l'ordinateur
Information et codages
Fonctions logiques et circuits
Communication et protocoles
Processeurs et jeux d'instructions
Les interruptions
Les entrées-sorties
Stockage et mémoire virtuelle
Les performances
Conclusion
Annexe 1 : Unités de mesure
Annexe 2 : Glossaire
Annexe 3 : BibliographieCôte titre : Fs/19540 Architecture des ordinateurs [texte imprimé] / Jean-Jacques Schwarz, Auteur . - Paris : Eyrolles, 2005 . - 1 vol. (412 p.) : ill., couv. ill. en coul. ; 23 cm.
ISBN : 978-2-212-11635-9
La couv. porte en plus : "classes préparatoires, BTS, DEUG, IUP, IUT"
Bibliogr. et webliogr. p. 407-408. Glossaire. Index
Langues : Français (fre)
Catégories : Informatique Mots-clés : Architecture des ordinateurs Index. décimale : 004.22 Architecture des ordinateurs Résumé :
Un livre de référence couvrant les dernières avancées technologiques
Conçu pour les étudiants, cet ouvrage très didactique permet de comprendre comment s'organisent les différents composants fonctionnels d'un ordinateur, en utilisant un vocabulaire à la fois accessible et précis. Il adopte une démarche ascendante, conduisant le lecteur à construire un ordinateur brique par brique, en partant du bit le plus élémentaire jusqu'aux supercalculateurs les plus sophistiqués. Chaque aspect est illustré par des exemples concrets et actuels, allant du simple 8 bits à l'Itanium et au PowerPC, en passant par la famille 68000, les Pentium, les processeurs MIPS et Sparc.
À qui s'adresse ce livre ?
À tous les étudiants en écoles d'informatique, écoles d'ingénieurs, BTS, DUT, licences...
À tous les programmeurs débutants
Note de contenu :
Sommaire
Avant-propos
Introduction
Du bouclier à l'ordinateur
Information et codages
Fonctions logiques et circuits
Communication et protocoles
Processeurs et jeux d'instructions
Les interruptions
Les entrées-sorties
Stockage et mémoire virtuelle
Les performances
Conclusion
Annexe 1 : Unités de mesure
Annexe 2 : Glossaire
Annexe 3 : BibliographieCôte titre : Fs/19540 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité Fs/19540 Fs/19540 Livre Bibliothéque des sciences Français Disponible
DisponibleBases de données / Georges Gardarin
PermalinkPermalinkBases de données sous Linux / David Egan
PermalinkBasic / Gilbert Quaneaux
PermalinkCloud computing / Hennion, Romain
PermalinkConception d'algorithmes : principes et 150 exercices corrigés / Patrick Bosc
PermalinkConception et programmation orientées objet / Bertrand Meyer
PermalinkConception et programmation orientées objet / Bertrand Meyer
PermalinkConception et programmation orientées objet / MEYER,Bertrand
PermalinkPermalink