Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.
AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.
vignette|Part de marché des principaux navigateurs web depuis 2008, selon StatCounter. vignette|Chronologie des navigateurs Web. L’évolution de l'usage des navigateurs Web est l'évolution de l'usage du logiciel de navigation web que les internautes ont observée à travers le temps. Elle est la conséquence d'une compétition entre les sociétés développant ces logiciels pour dominer le marché. Cette évolution a surtout été marquée par le combat entre Internet Explorer et Netscape Navigator (en particulier sur la plate-forme Windows) à la fin des années 1990. Durant les années 2000, le combat marquant a été celui qui opposait Internet Explorer à Mozilla Firefox. L'arrivée de Google Chrome en 2008 et le développement du marché des smartphones ont changé la donne, celui-ci ravissant la première place à Internet Explorer en 2012. Début 2019, Google Chrome avait 61,7 % de parts de marché des navigateurs Web dans le monde, loin devant Safari (15,2 %) et Firefox (4,6 %). Le World Wide Web a commencé à croître exponentiellement avec l'apparition du navigateur web NCSA Mosaic en 1993. Ce navigateur était gratuit et développé par le National Center for Supercomputing Applications. Il fut le plus utilisé durant un an, jusqu'à fin 1994, avec l'apparition de Netscape Navigator, développé par Netscape Communications Corporation qui a débauché la plupart des développeurs de NCSA Mosaic. Mosaic fut supplanté par Netscape Navigator en quelques mois. En 1995, alors qu'Internet commence à être connu du grand public grâce au Web et au courriel, Microsoft préparait la sortie de en pensant que l'offre d'Internet était d'une qualité trop inégale pour le grand public. C'est ainsi que Microsoft fut lancé en incluant une offre commerciale de réseau censée concurrencer Internet : MSN (The Microsoft Network). Pendant ce temps, à la suite notamment de la sortie du langage Java et à son intégration via plugin dans Netscape Navigator, Le Monde informatique commençait à sérieusement spéculer sur la possibilité de voir le web devenir une plate-forme de développement qui rende la plate-forme sous-jacente, soit le système d'exploitation, donc notamment Microsoft Windows, interchangeable.
[2]Paolo Prandoni, [3]LCAV, EPFL
This notebook shows a simple way to process audio files (in WAV format)
in a block-by-block fashion; this is useful in two cases
1. when you want to process a data stream in real time but you can
accept a small processing delay; in this case a buffered approach
can yield computational gains
2. when you need to process a large file that does not fit entirely
into [2]Paolo Prandoni, [3]LCAV, EPFL
In this notebook we will design and use filters to extract specific
audio frequencies from a music file.
In [1]:
%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
import IPython
import scipy.signal as sp
from scipy.io import wavfile
infringment...)
In [2]:
IPython.display.Audio(s, rate=SF)
Out[2]:
Your browser does not support the audio element.
[2]Paolo Prandoni, [3]LCAV, EPFL
In this notebook we will investigate the effect of phase on the
perceptual quality of a sound. It is often said that the human ear is
commercial-grade audio equipment takes place in the magnitude domain
only.
In [1]:
%matplotlib inline
import matplotlib
import matplotlib.pyplot as plt
import numpy as np
import IPython
from scipy.io import wavfile
In [2]:
plt.rcParams["figure.fig [2]Paolo Prandoni, [3]LCAV, EPFL
The Karplus-Strong algorithm is a simple method to generate synthetic
sounds with arbitrary pitch. In this notebook we will explore a few
variations of the method to illustrate some basic notions of
discrete-time signal processing.
In [1]:
%matplotlib inline
import matplotlib
import matplotlib.pyplot as plt
import numpy as np
import IPython
In [2]:
plt.rcParams["figure.figsize"] [2]Paolo Prandoni, [3]LCAV, EPFL
In this notebook we will use the adaptive LMS filter to estimate the
impulse response of a reverberating room.
A typical use case is handsfree telephony: since the received signal,
amplified and played by the speaker, is picked up by the microphone, we
need to eliminate it from the signal that is transmitted back in order
to avoid a feedback loop. The signal picked up by the microph