Les algorithmes itératifs parallèles asynchrones et leurs extensions constituées par les méthodes de sous-domaines et de multi-décomposition, pour la résolution de grands systèmes algébriques linéaires ou pseudo-linéaires, éventuellement contraints, sont ici présentés. Le comportement de ces algorithmes est étudié selon trois méthodes distinctes en utilisant d’une part une propriété de contraction de l’application de point fixe associée au système d’équations à résoudre, d’autre part des propriétés de convergence monotone et enfin des propriétés d’emboitements successifs d’ensembles où sont situés les composantes réactualisées par l’algorithme itératif. Le lien entre ces trois types d’analyse est aussi présenté.
Les applications de l’intelligence artificielle, utilisant notamment les réseaux de neurones profonds, ont conduit au développement de supports matériels pour accélérer leur exécution. Après un bref rappel des principes de ces réseaux, notamment les réseaux de neurones convolutionnels, les différents opérateurs nécessitant une accélération sont présentés. Les spécificités permettant l’utilisation d’une précision numérique réduite sont présentées, avec les formats de données correspondant. Les différentes techniques d’accélération sont présentées : ajout d’instructions, développement de composants matériels (opérateurs spécialisés à intégrer dans des systèmes sur puce, processeurs neuronaux) avec des exemples de circuits disponibles chez ARM, Intel, Google, NVidia, Xilinx.
L'intelligence artificielle (IA) s'attache à résoudre des problèmes qui relèvent d'activités humaines de nature variée (perception, prise de décision, planification, diagnostic, interprétation de données, compréhension du langage, conception). Ces problèmes nécessitent de mettre en jeu une grande quantité de données et de connaissances, soit exploitées directement, soit codées sous différentes formes (distributions de probabilités, poids synaptiques, etc.). Nous présentons les différents modèles développés depuis le début de l’IA, ainsi que les grands domaines d’application. Les aspects éthiques liés à l’utilisation de systèmes d’IA sont également étudiés.
L’intelligence économique sous-entend une transversalité dans son organisation et intègre trois principaux domaines de compétences et d’action que sont :
Ainsi, mettre en place et organiser l’intelligence économique au sein d’une entreprise peut paraître complexe.
Dans cette fiche, nous expliquerons :
Toutes les clefs pour maitriser la veille technologique
Intelligence économique, intelligence scientifique, veille technologique, knowledge management, etc. Le vocabulaire de la veille est riche et varié. Quelles réalités ces termes recouvrent-ils ? Vers quelle pratique de la veille les entreprises se dirigent-elles ?
Cette fiche a pour objectifs de vous introduire à l’intelligence scientifique et de clarifier les concepts de base de la veille qui seront développés tout au long de cet ouvrage :
Toutes les clefs pour maitriser la veille technologique
Vous êtes chef d’entreprise, ingénieur ou professionnel de l’information (veilleur, knowledge manager, documentaliste, responsable d’un service d’information, bibliothécaire, etc.) et vous êtes déjà sensible aux problématiques de la veille. Vous avez conscience des enjeux informationnels pour la pérennité de votre activité. Vous vous interrogez sur le périmètre de votre veille, sur sa mise en place, sur les enjeux à long terme pour la rétention du patrimoine immatériel de votre organisation. Cette base documentaire vous concerne. Elle est conçue pour être opérationnelle, pragmatique, pouvant être consultée en ligne ou en version imprimée afin de pouvoir mettre en pratique directement les conseils des meilleurs experts.
Toutes les clefs pour maitriser la veille technologique
TECHNIQUES DE L'INGENIEUR
L'EXPERTISE TECHNIQUE ET SCIENTIFIQUE
DE RÉFÉRENCE
SUIVEZ-NOUS
