Jean-Cédric Chappelier
EPFL IC SIN-GE
INR 232 (Bâtiment INR)
Station 14
1015 Lausanne
Web site: Site web: https://sin.epfl.ch/
Web site: Site web: https://sin.epfl.ch
EPFL IC IINFCOM LIA
INR 231 (Bâtiment INR)
Station 14
1015 Lausanne
Web site: Site web: https://www.epfl.ch/labs/lia/
Web site: Site web: https://ssc.epfl.ch
Anciens doctorants
[2006] SEYDOUX Florian "Exploitation de connaissances sémantiques externes dans les représentations vectorielles en recherche documentaire"[2010] ECKARD Emmanuel "Fisher Kernels and Probabilistic Latent Semantic Models."
[2016] RICHARDET Renaud "Agile in-litero experiments how can semi-automated information extraction from neuroscientific literature help neuroscience model building?"
LIENS
Livre «C par la pratique» :site du livre aux PPUR
codes source & errata
Cours :
Traitement Informatique des Données Textuelles (TIDT)
Théorie de l
Biographie
Jean-Cédric Chappelier est ingénieur diplômé et docteur de lPublications
Publications Infoscience
Infoscience
Offline Grammar-based Recognition of Handwritten Sentences
IEEE Transactions on Pattern Analysis and Machine Intelligence. 2006. DOI : 10.1109/TPAMI.2006.103.Indexation semantique au moyen de coupes de redondance minimale dans une onthologie
2005. p. 33-42.Hypernyms Ontologies for Semantic Indexing
2005. p. 49-55.Semantic Indexing using Minimum Redundancy Cut in Ontologies
2005. p. 486-492.Robust Stochastic Parsing using Optimal Maximum Coverage
2005. p. 258-263.Synonym Dictionary Improvement through Markov Clustering and Clustering Stability
2005. p. 106-113.Probing the robustness of the clustering
2005.Robust Stochastic Parsing: Comparing Two Approaches for Processing Extra-Grammatical Sentences
2005.Efficient Processing of Extra-grammatical Sentences: Comparing and Combining two approaches to Robust Stochastic Parsing
2005. p. 81-88.Finding instabilities in the community structure of complex networks
Physical Review E. 2005. DOI : 10.1103/PhysRevE.72.056135.Discriminative Models of SCFG and STSG
2004. p. 187-194. DOI : 10.1007/978-3-540-30120-2_24.C++ par la pratique. Recueil d'exercices corrigés et aide-mémoire.
Presses Polytechniques et Universitaires Romandes (PPUR).Gibbsian Tree Substitution Grammars
2003. p. 137-148.Représentation vectorielle de connaissances sémantiques pour la recherche d information
Assistance intelligente à la recherche d'informations; Hermes, 2003.Parsing DOP with Monte-Carlo Techniques
Data-Oriented Parsing; Stanford: CSLI Publications, 2003. p. 83-106.Grammaires a Substitution d'Arbres Polynomiales et Discriminantes
Traitement Automatique des Langues. 2003.Evaluation of Scientific and Technological Innovations using Statistical Analysis of Patents
2002. p. 641-652.Polynomial Tree Substitution Grammars: Characterization and New Examples
2002. Formal Grammar, 2002. p. 29-39.Polynominal tree-substitution grammars: an efficient framework for Data-Oriented Parsing
2001.Le modele DSIR : une approche a base de semantique distributionnelle pour la recherche documentaire
Traitement automatique des langues. 2000.Enseignement & Phd
Enseignement
Computer Science
Communication Systems
Cours
Programmation orientée objet
Ce cours approfondit les connaissances en programmation présentées dans le cours ICC du 1er semestre. L'accent est
mis sur l'approche «orientée objet» (en C ), la conception et la spécification de programmes via la réalisation d'une
mini-application dans un projet réalisé par binôme.
Information, calcul, communication
L'objectif de ce cours est d'introduire les étudiants à la pensée algorithmique, de les familiariser avec les fondamentaux de l'Informatique et de développer une première compétence en programmation (langage C ).
Computer systems
Ce cours enseigne les systèmes d'exploitation et les réseaux de manière intégrée, en mettant l'accent sur les concepts fondamentaux et les techniques qui rendent leur interaction possible/pratique. Les leçons théoriques principales seront complétées par des leçons et travaux pratiques en langage C.
Introduction to natural language processing
L'objectif de ce cours est de présenter les principaux modèles, formalismes et algorithmes nécessaires au développement d'application de traitement automatique des langues naturelles. Les concepts présentés en cours seront mis en pratique dans des séances d'exercices.