0:00:00.000,0:00:02.018
[Sebastian Thrun] Donc, quel est ton point de vue sur la façon de construire un moteur de recherche,

0:00:02.018,0:00:03.077
tu en as déjà construit un, n'est-ce pas?

0:00:03.077,0:00:06.008
[Sergey Brin - Co-Fondateur, Google]Oui, je pense que la chose la plus importante

0:00:06.008,0:00:08.013
si tu es sur le point de construire un moteur de recherche

0:00:08.013,0:00:12.051
est d'avoir un très bon corpus comme base pour commencer.

0:00:12.051,0:00:19.020
Dans notre cas, nous avons utilisé Internet, lequel était certainement plus petit qu'il ne l'est aujourd'hui.

0:00:19.020,0:00:21.036
Mais il était également tout nouveau et excitant.

0:00:21.036,0:00:23.081
Il y avait toutes sortes de surprises.

0:00:23.081,0:00:26.099
[David Evans] Donc, le but des trois premières unités du cours est de construire ce corpus.

0:00:27.003,0:00:30.009
Et nous voulons construire ce corpus pour notre moteur de recherche

0:00:30.009,0:00:32.090
en analysant le web et c'est ce que fait un web crawler.

0:00:32.090,0:00:36.038
Un web crawler est un programme qui collecte du contenu depuis le web.

0:00:36.038,0:00:40.054
Si tu penses à une page web que tu affiches dans ton explorateur, tu as une page comme ceci.

0:00:40.054,0:00:43.099
Et nous utiliserons le site de Udacity comme exemple d'une page web.

0:00:43.099,0:00:47.097
Elle contient beaucoup de contenu, elle contient des images, du texte.

0:00:47.097,0:00:51.038
Tout cela arrive dans ton explorateur lorsque tu demandes à voir une page.

0:00:51.038,0:00:53.066
Elle contient une chose importante qui s'appelle "liens".

0:00:53.066,0:00:57.093
Un lien est quelque chose qui va vers une autre page.

0:00:57.093,0:01:00.050
Par exemple, nous avons un lien qui va vers les questions fréquemment posées (FAQ),

0:01:00.050,0:01:02.046
nous avons un lien vers la page CS 101.

0:01:02.046,0:01:04.043
Il y a d'autres liens sur la page.

0:01:04.043,0:01:07.054
Et ce lien pourrait être affiché souligné dans ton explorateur,

0:01:07.054,0:01:09.094
ou non, cela depend de comment ton explorateur est paramétré.

0:01:09.094,0:01:11.095
Mais la chose importante qu'il fait,

0:01:11.095,0:01:13.088
est que c'est un pointeur vers une autre page web.

0:01:13.088,0:01:16.043
Et ces autres pages web pourraient également contenir d'autres liens.

0:01:16.043,0:01:19.073
donc nous avons un autre lien sur cette page-ci.

0:01:19.073,0:01:23.052
Peut-être que c'est vers mon nom, et tu peux le suivre pour atteindre ma page principale.

0:01:23.052,0:01:26.091
Et toutes les pages que nous pouvons trouver avec notre web crawler

0:01:26.091,0:01:29.009
sont en fait trouvées en suivant les liens.

0:01:29.009,0:01:31.067
Il ne trouvera pas nécessairement toutes les pages présentes sur le web

0:01:31.067,0:01:33.059
Cependant, si nous commençons avec une bonne page comme base (seed page)

0:01:33.059,0:01:35.003
nous trouverons beaucoup d'autres pages.

0:01:35.003,0:01:37.050
Et ce que le web crawler va faire est de commencer avec une page,

0:01:37.050,0:01:41.056
trouver tous les liens sur cette page, suivre chaque lien pour trouver d'autres pages

0:01:41.056,0:01:45.013
et sur chacune de ces autres pages, il suivra les liens qu'elles contiennent

0:01:45.013,0:01:48.031
pour trouver d'autres pages et il y aura beaucoup plus de liens sur ces pages-là.

0:01:48.031,0:01:51.043
Finalement, nous obtiendrons une collection de beaucoup de pages du web.

0:01:51.043,0:01:54.007
Donc, ce que nous voulons faire est de construire un web crawler.

0:01:54.007,0:01:56.095
Nous voulons trouver un moyen de commencer avec une page de base,

0:01:56.095,0:01:59.056
extraire les liens de cette page,

0:01:59.056,0:02:01.078
suivre ces liens vers d'autres pages,

0:02:01.078,0:02:03.067
ensuite récupérer les liens présents sur ces autres pages,

0:02:03.067,0:02:05.024
les suivre, récupérer tout ça.

0:02:05.024,0:02:07.038
Cela semble énorme à faire.

0:02:07.038,0:02:09.014
Nous ne ferons pas tout cela dans ce premier cours.

0:02:09.014,0:02:12.072
Ce que nous allons faire durant cette première unité est uniquement d'extraire un lien.

0:02:12.072,0:02:14.058
Donc, nous allons commencer avec un [tas de] texte

0:02:14.058,0:02:17.033
Ce texte contiendra un lien avec une URL

0:02:17.033,0:02:19.064
Ce que nous voulons trouver est cette URL

0:02:19.064,0:02:21.089
afin de pouvoir demander la page suivante.

0:02:21.089,0:02:23.082
Le but de la seconde unité

0:02:23.082,0:02:25.016
est d'être capable de continuer.

0:02:25.016,0:02:28.049
S'il y a beaucoup de liens sur une page, tu veux être capable de tous les trouver.

0:02:28.049,0:02:30.014
Donc, ce que nous ferons durant l'unité 2

0:02:30.014,0:02:32.069
est de trouver un moyen de continuer à extraire touts ces liens-là.

0:02:32.069,0:02:36.061
Durant l'unité 3, nous irons au-délà d'une page.

0:02:36.061,0:02:40.033
Donc, à la fin de l'unité 2, nous pourrons afficher tous les liens d'une page.

0:02:40.033,0:02:44.002
Pour l'unité 3, nous voulons récupérer tous ces liens afin de pouvoir continuer,

0:02:44.002,0:02:47.018
et arriver à faire en sorte que notre crawler récupère beaucoup, beaucoup de pages.

0:02:47.018,0:02:50.013
Donc, a la fin de l'unité 3, nous aurons construit un web crawler.

0:02:50.013,0:02:52.033
Nous aurons un moyen pour construire notre corpus.

0:02:52.033,0:02:57.079
Ensuite, durant les trois unités restantes, nous regarderons comment répondre à des requêtes.

0:02:57.079,0:03:01.034
Donc, durant l'unité 4, nous trouverons un moyen de fournir une bonne réponse.

0:03:01.034,0:03:08.022
Par exemple, si tu cherches un mot-clé, tu veux obtenir une réponse qui soit une liste de toutes les pages

0:03:08.022,0:03:10.063
où ce mot-clé apparait.

0:03:10.063,0:03:15.090
Et, durant l'unité 5, nous trouverons un moyen de le faire de manière à ce que cela puisse évoluer même avec un large corpus.

0:03:15.090,0:03:19.083
Et ensuite, durant l'unité 6, ce que nous voulons faire, nous ne voulons pas simplement trouver une liste,

0:03:19.083,0:03:21.069
nous voulons trouver la meilleure.

0:03:21.069,0:03:24.084
Donc, nous trouverons un moyen de classer toutes les pages où le mot-clé apparait.

0:03:24.084,0:03:27.068
Nous sommes un peu en avance maintenant

0:03:27.068,0:03:30.035
parce que, tout ce que nous allons faire durant l'unité 1,

0:03:30.035,0:03:32.064
c'est de trouver un moyen d'extraire un lien d'une page.

0:03:32.064,0:03:35.073
Et le moteur de recherche que nous allons contruire à la fin de ceci

0:03:35.073,0:03:37.034
sera un moteur de recherche fonctionnel.

0:03:37.034,0:03:40.061
Il aura les fonctionnalités principales d'un moteur de recherche comme Google.

0:03:40.061,0:03:43.014
Il ne sera certainement pas aussi puissant que Google,

0:03:43.014,0:03:44.029
nous voulons garder les choses simple.

0:03:44.029,0:03:46.060
Nous voulons avoir une petite partie de code à écrire.

0:03:46.060,0:03:48.010
Et nous devrions nous souvenir que notre but réel

0:03:48.010,0:03:50.024
n'est pas tellement de construire un moteur de recherche,

0:03:50.024,0:03:52.078
mais plutôt d'utiliser le but de contruire un moteur de recherche comme véhicule

0:03:52.078,0:03:55.018
pour en apprendre plus sur le domaine de l'informatique

0:03:55.018,0:03:56.075
ainsi que sur la programmation

0:03:56.075,0:03:58.018
afin que ce que nous apprenons en faisant ceci

0:03:58.018,9:59:59.000
nous permette de résoudre beaucoup d'autres problèmes.