Projet Scientifique Informatique Introduction

Projet Scientifique Informatique

Introduction

Licence 2 informatique / Licence 3 Math parcours MI

P. Collard, O. Dalle, S. Verel [email protected]

www.i3s.unice.fr/∼verel/TEACHING/12-13/projScientifique/index.html

Universit´e Nice Sophia Antipolis

29 janvier 2012

Objectifs D´emarche scientifique Organisation de l’enseignement

Plan

1 Objectifs

2 D´emarche scientifique Aristote et la scholastique Discours de la m´ethode Principe de r´efutation Mod´elisation, simulations

3 Organisation de l’enseignement R`egles du jeux

Les projets Le planning

Objectifs D´emarche scientifique Organisation de l’enseignement

But

Science

Corpus de connaissances organis´ees par une d´emarche intellectuelle particuli`ere

Quelle est cette d´emarche intellectuelle particuli`ere ?

(Re)d´ecouvrir la d´emarche scientifique en s’y exer¸cant Pratiquer la d´emarche scientifique en informatique :

mod´elisation et simulation num´erique

Objectifs D´emarche scientifique Organisation de l’enseignement

But

Science

Corpus de connaissances organis´ees par une d´emarche intellectuelle particuli`ere

Quelle est cette d´emarche intellectuelle particuli`ere ?

Buts

(Re)d´ecouvrir la d´emarche scientifique en s’y exer¸cant Pratiquer la d´emarche scientifique en informatique :

mod´elisation et simulation num´erique

Objectifs de l’enseignement

S’initier `a la d´emarche scientifique en informatique :

Mod´eliser, simuler et valider l’´etude d’un ph´enom`ene `a l’aide d’outils informatiques.

Savoir pr´esenter un probl`eme, discuter les approches de r´esolution possibles,

D´efendre des conclusions devant des pairs, et r´eciproquement savoir ´evaluer les r´esultats d’autres ´etudes sur des sujets connexes.

Objectifs D´emarche scientifique Organisation de l’enseignement

Aristote

Objectifs D´emarche scientifique Organisation de l’enseignement

Aristote

Aristote (-384/-322) Philosophe grec :

Mont´ee du royaume de Mac´edoine Disciple de Platon (-427/-348)

Encyclop´ediste, int´erˆet arts et sciences Logique :

Tiers exclu : ”Tout vrai ou tout faux”

Syllogisme :

Tous les grecs sont des hommes. Donctous les grecs sont mortels. Division de la philosophie :

Th´eor´etique, pratique, po¨ı´etique

Objectifs D´emarche scientifique Organisation de l’enseignement

Aristote

Aristote (-384/-322) Philosophe grec :

Mont´ee du royaume de Mac´edoine Disciple de Platon (-427/-348)

Encyclop´ediste, int´erˆet arts et sciences Logique :

Tiers exclu : ”Tout vrai ou tout faux”

Syllogisme :

Tous les hommes sont mortels.

Tous les grecs sont des hommes.

Donctous les grecs sont mortels.

Division de la philosophie :

Th´eor´etique, pratique, po¨ı´etique

Science Th´ eor´ etique d’Aristote

— Physique, math´ematique et th´eologie —

Connaissance des causes :

qui r´epond `a la question pourquoi, raison d’existence Outil : la d´emonstration

4 types de causes

Mat´erielle, de la mati`ere : ce dont une chose est faite Formelle, de la d´efinition :

`a la fois de la g´eom´etrie, de l’id´ee Efficiente : premier mouvement ou repos Finalit´e (principe t´el´eologique) :

”La nature ne fait rien en vain”

ex. ”C’est parce que l’homme est intelligent qu’il a des mains”

Objectifs D´emarche scientifique Organisation de l’enseignement

Scholastique

Enseignement du moyen-age (principale XII^e au XV^e s.) :

´

ecoles monastiques et dans les universit´es (Paris) M´ethode d’enseignement ´etaient formelles bas´ees sur la connaissance livresque uniquement (Aristote / Bible) Figure notable : Saint Thomas d’Aquin (1224 - 1274)

Mais...

Raisonnement sur des concepts anciens :

N´egation de l’exp´erimentation Refus de toute remise en cause de la philosophie d’Aristote

Scholastique

Enseignement du moyen-age (principale XII^e au XV^e s.) :

´

ecoles monastiques et dans les universit´es (Paris) M´ethode d’enseignement ´etaient formelles bas´ees sur la connaissance livresque uniquement (Aristote / Bible) Figure notable : Saint Thomas d’Aquin (1224 - 1274)

Mais...

Raisonnement sur des concepts anciens :

N´egation de l’exp´erimentation Refus de toute remise en cause de la philosophie d’Aristote

Objectifs D´emarche scientifique Organisation de l’enseignement

Discours de la m´ ethode

Discours de la m´ethode(1637),

Pour bien conduire sa raison et chercher la v´erit´e dans les sciences

Ren´e Descartes (1596 - 1650)

Math´ematicien, physicien et philosophe fran¸cais : Philosophie : ”Cogito ergo sum”

Physique : Optique

Math´ematique : G´eom´etrie analytique P´eriode :

”Fin” de la Renaissance,

Contemporain de Galil´ee (1564 - 1642), Avant le si`ecle des lumi`eres (≈1688, XIII^e)

Discours de la m´ ethode

Discours de la m´ethode

Une m´ethode simple (4 r´egles) pos´ee comme principe de la construction d’un savoir scientifique

Principe de la m´ethode

Avancer dans la connaissance au moyen de d´eduction Jusqu’aux intuitions des principes

Objectifs D´emarche scientifique Organisation de l’enseignement

Pr´ eceptes de la m´ ethode

D´emarche analytique

L’´evidence

”Le premier ´etait de ne recevoir jamais aucune chose pour vraie que je ne la connusse ´evidemment ˆetre telle ; c’est-`a-dire, d’´eviter soigneusement la pr´ecipitation et la pr´evention, et de ne

comprendre rien de plus en mes jugements que ce qui se

pr´esenterait si clairement et si distinctement `a mon esprit, que je n’eusse aucune occasion de le mettre en doute.”

L’analyse

”Le second, de diviser chacune des difficult´es que j’examinerais, en autant de parcelles qu’il se pourrait, et qu’il serait requis pour les mieux r´esoudre.”

Pr´ eceptes de la m´ ethode

D´emarche analytique

L’´evidence

”Le premier ´etait de ne recevoir jamais aucune chose pour vraie que je ne la connusse ´evidemment ˆetre telle ; c’est-`a-dire, d’´eviter soigneusement la pr´ecipitation et la pr´evention, et de ne

comprendre rien de plus en mes jugements que ce qui se

pr´esenterait si clairement et si distinctement `a mon esprit, que je n’eusse aucune occasion de le mettre en doute.”

L’analyse

”Le second, de diviser chacune des difficult´es que j’examinerais, en autant de parcelles qu’il se pourrait, et qu’il serait requis pour les mieux r´esoudre.”

Objectifs D´emarche scientifique Organisation de l’enseignement

Pr´ eceptes de la m´ ethode

D´emarche analytique

La synth`ese et le raisonnement

”Le troisi`eme, de conduire par ordre mes pens´ees, en commen¸cant par les objets les plus simples et les plus ais´es `a connaˆıtre, pour monter peu `a peu comme par degr´es jusques `a la connaissance des plus compos´es, et supposant mˆeme de l’ordre entre ceux qui ne se pr´ec`edent point naturellement les uns les autres.”

Le d´enombrement

”Et le dernier, de faire partout des d´enombrements si entiers et des revues si g´en´erales, que je fusse assur´e de ne rien omettre.”

Pr´ eceptes de la m´ ethode

D´emarche analytique

La synth`ese et le raisonnement

”Le troisi`eme, de conduire par ordre mes pens´ees, en commen¸cant par les objets les plus simples et les plus ais´es `a connaˆıtre, pour monter peu `a peu comme par degr´es jusques `a la connaissance des plus compos´es, et supposant mˆeme de l’ordre entre ceux qui ne se pr´ec`edent point naturellement les uns les autres.”

Le d´enombrement

”Et le dernier, de faire partout des d´enombrements si entiers et des revues si g´en´erales, que je fusse assur´e de ne rien omettre.”

Objectifs D´emarche scientifique Organisation de l’enseignement

D´ emarche analytique, r´ eductionniste

M´ethode analytique

Description des objets (ex. mol´ecules)

Description de leur int´eractions (ex. architetures mol´eculaires)

D´emarche extr´emement efficace (lorsque possible),

´

eliminant les doutes.

D´efinition de la science par le comment :

”Lorsqu’on suit cette m´ethode, on construit un savoir scientifique”

Ce n’est pas une d´efinition qui suppose les 4 r´egles possibles

Parfois la synth`ese est tr`es difficile, voir infaisable, `a r´ealiser.

D´ emarche analytique, r´ eductionniste

M´ethode analytique

Description des objets (ex. mol´ecules)

Description de leur int´eractions (ex. architetures mol´eculaires)

D´emarche extr´emement efficace (lorsque possible),

´

eliminant les doutes.

D´efinition de la science par le comment :

”Lorsqu’on suit cette m´ethode, on construit un savoir scientifique”

Ce n’est pas une d´efinition qui suppose les 4 r´egles possibles

Parfois la synth`ese est tr`es difficile, voir infaisable, `a r´ealiser.

Objectifs D´emarche scientifique Organisation de l’enseignement

Karl Popper

Karl Popper (1902-1994)

Philosophe autrichien des sciences

Contemporain de K. Lorenz, Einstein, cercle de Vienne Influencer par C. Darwin (1809 - 1882) : ´epist´emologie

´

evolutionniste

Th´ eorie de la connaissance

2 probl`emes de la th´eorie de la connaissance Probl`eme de l’induction :

Aucune de th´eorie universelle n’est justifiable par l’induction (r´egression infinie, d´enombrement)

⇒ Induction est ”mythe” dans l’´elaboration de connaissance.

Probl`eme ded´emarcation :

Distinction entre science et m´etaphysique

La th´eorie pr´ec´ede l’observation

Toutes les sciences : bas´ees sur l’observation (par nature partielle)

Seule possibilit´e : construire des lois g´en´erales `a partir d’observations

Ne garantit pas justesse (ex. les cygnes blancs)

Objectifs D´emarche scientifique Organisation de l’enseignement

Principe de r´ efutabilit´ e

Corroboration d’une hypoth`ese

S´erie de tests ind´ependants que la th´eorie passe

Ne permet pas de conclure `a la ”v´erit´e” d’une hypoth`ese V´erit´e relative aux tests

Proposition scientifique est une proposition r´efutable dont on ne peut affirmer qu’elle ne sera jamais r´efut´ee (ex. cygne noir)

Th´eorie scientifique, principe de r´efutabilit´e Permet de diviser les observations en 2 classes :

Observations qui la contredisent (falsificateurs),

Observations avec lesquelles elle s’accorde (qui la corroborent si vrai)

Croissance des connaissances

Epistomologie ´evolutionniste

Processus darwinien, s´election naturelle des hypoth`eses Probl`eme initial :P1

Tentative de solution

Elimination de l’erreur au moyen de l’exp´erimentation Nouveau probl`eme :P₂

Objectifs D´emarche scientifique Organisation de l’enseignement

Mod´ elisation et simulation informatique

Buts de la mod´elisation et de la simulation

Mod`ele pourComprendreun ph´enom`ene, syst`eme, etc.

Mod`ele pourPr´evoirl’´evolution d’un syst`eme Simulation informatique permet l’exploration, l’exp´erimentation

Mod`ele

Simplification de la r´ealit´e

Repr´esentation abstraite, formelle :

”La carte n’est pas le territoire”

Simulation

Mise en oeuvre d’un mod`ele,

D´ emarche scientifique avec des mod` eles

Conception d’un mod`ele

1 Formulation d’une question scientifique (probl`eme)

2 Conception d’un mod`ele (expression d’une hypoth`ese)

3 Production de donn´ees `a partir de la simulation du mod`ele

4 Validation du mod`ele par rapport au r´eel en fonction de la question pos´ee (r´efutabilit´e)

5 Ajustement ou non du mod`ele (retour `a 2)

Objectifs D´emarche scientifique Organisation de l’enseignement

Pourquoi des simulations informatiques ?

La simulation permet l’exploration, l’exp´erimentation : A moindre coˆut (argent, temps, etc.)

Manipuler de ”l’inaccessible” (dont les cons´equences sont r´efutables)

Tester des hypoth`eses

Cons´equence

Une fois un mod`ele valid´e :

⇒La simulation se substitue au ph´enom`ene

... sur lequel on peut formuler des questions (dans le cadre de valider du mod`ele)

Pourquoi des simulations informatiques ?

La simulation permet l’exploration, l’exp´erimentation : A moindre coˆut (argent, temps, etc.)

Manipuler de ”l’inaccessible” (dont les cons´equences sont r´efutables)

Tester des hypoth`eses

Cons´equence

Une fois un mod`ele valid´e :

⇒La simulation se substitue au ph´enom`ene

... sur lequel on peut formuler des questions (dans le cadre de valider du mod`ele)

Objectifs D´emarche scientifique Organisation de l’enseignement

R` egles du jeux

ECTS : 4

Dur´ee : 12 semaines : 3h/semaine Groupes A+B+C : mardi 11h30 `a 13h

cours : 4 premiers mardi - amphi BIO

TDM : 8 derniers mardi - salles PV2 : 212 - 213 - 214 Groupe B : TDM mardi 16h45-18h15 (OD)

Groupe A : TDM mercredi 8h-9h30 (PC) Groupe C : TDM jeudi 8h-9h30 (SV)

Evaluation

´Evaluation

1 pr´e-soutenance + capacit´e d’´evaluer un pair : 15mn avec questions - 30% - 19 mars 2013 - latex/beamer

2 Rapport ´ecrit + journal individuel d’activit´e : 40% - vendredi 10 mai - latex, format article scientifique (double colonne)

3 soutenance + pr´esence : 15mn avec questions - 30% - semaine 12 (mardi 14 mai) - latex/beamer

Objectifs D´emarche scientifique Organisation de l’enseignement

Affectation des sujets de projet

Affectation des sujets de projet 3 ´etudiants par projet (max) 1 sujet = n groupes (n ≥1)

pr´esentation semaine du 29 janvier durant la s´eance de TDM feuille de vœux `a remplir : 3 vœux par ´etudiant `a remettre au plus tard le lundi 18 f´evrier

Les projets

1) Intelligence collective : Ant/ Swarm (PC+SV)

2) Mod`ele de s´egr´egation : 2D (´emergence de clusters) (PC+OD) 3) Mod`ele de s´egr´egation : collocation (PC+OD)

4) Mod`ele de s´egr´egation : 3D (´emergence de formes 3D) (PC+OD)

5) Mod`ele Proies / pr´edateurs : co-existence/´equilibre (SV+OD) 6) Propagation d’un feu de forˆet, ph´enom`ene de percolation

(SV+PC)

Objectifs D´emarche scientifique Organisation de l’enseignement

Les projets

7) Mobilit´e : propagation de virus, mod`ele SIR + percolation (OD+SV)

8) Mod`ele de mobilit´e ER : influence du r´eseau social, exemple des pi´etions `a N-Y (PC)

9) Mod`ele de mobilit´e ER : agents s´edentaires vs. voyageurs, propagation rumeur, percolation (PC)

10) Morphog´en`ese : mod`ele du drapeau fran¸cais (PC)

11) Morphog´en`ese : mod`ele de r´eaction-diffusion de Turing (PC) 12) Procession d’agents : mod`ele des chenilles du pin de Favre (PC) 13) Procession d’agents : mod`ele de la ”descente aux flambeaux”

(PC)

Les projets

14) Chaos d´eterministe : fonctions logistiques (PC)

15) Propagation de rumeur dans un r´eseau social : random, scale free, small world (OD+SV)

16) Trafic routier : influence du comportement sur le niveau de congestion (OD)

17) Trafic routier : montrer que la vague verte est plus efficace qu’acc´el´erer au plus vite (OD)

18) Trafic routier : caract´eriser les conditions qui entretiennent l’effet m´emoire des bouchons (OD)

19) BitTorrent : vitesse de propagation d’un nouveau fichier, congestion ? (OD)

20) Evolution artificielle (SV)´

21) Jeux ´evolutionnaires (stochastique) (SV) 22) Jeux ´evolutionnaires spatiaux (SV)

Objectifs D´emarche scientifique Organisation de l’enseignement

Les phases

1) Echauffement → Choix + Affectation sujet

2) D´ecouverte et prise en main du sujet→ Pr´e-soutenance 3) Exp´erimentations→ Production de donn´ees

4) Analyse r´esultats→ Observations, Production de courbes 5) R´edaction article→ Soumission (type conf´erence)

6) Pr´esentation orale → Evaluation´

planning d´ etaill´ e (provisoire)

sem. S´eance 1 S´eance 2

1 Cours 1 (PC+SV+OD) TP1 + pr´esentation sujets 2 Cours 2 (SV) R, outils traitement donn´ees 3 Cours 3 (OD) Python/gnuplot + choix sujet 4 Cours 4 (PC) L^ATEX, beamer + affectation sujet 5 TP5a D´efinition probl`eme TP5b mod´elisation/prototype 6 TP6a Plan exp´erience TP6b Transpa. pr´e-sout 7 TP7a Pr´e-soutenance TP7b d´ebut exp´erimentations

8 TP8ab Suite Exp.

9 TP9ab Fin Exp.

10 TP10ab Production courbes, observations 11 TP11ab Production et soumission rapport

12 Soutenance (4h30, le 14 mai)