v2.11.0 (5354)

Cours scientifiques - SOD322-part 1 : Recherche opérationnelle et données massives - part 1

Domaine > Mathématiques et leurs applications.

Descriptif

Ce cours présente des liens entre la recherche opérationnelle et la science des données ainsi que l'application d'algorithmes à des graphes de très grande taille.

Objectifs pédagogiques

Mettre en avant les liens grandissants entre les techniques de recherche opérationnelle et de science des données ainsi que leur application à des grands graphes.

31.5 heures en présentiel (9 blocs ou créneaux)
réparties en:
  • Contrôle : 4
  • Travaux dirigés en salle info : 2
  • Petite classe : 4
  • Cours magistral : 1
  • Stage de communication : 11

effectifs minimal / maximal:

6/40

Diplôme(s) concerné(s)

Parcours de rattachement

Pour les étudiants du diplôme Diplôme d'Ingénieur de l'Ecole Nationale Supérieure de Techniques Avancées

MAP-RO
OROC-RO-PM

Format des notes

Numérique sur 20

Littérale/grade européen

Pour les étudiants du diplôme Master 2 Data Sciences

Le rattrapage est autorisé

    Pour les étudiants du diplôme Diplôme d'Ingénieur de l'Ecole Nationale Supérieure de Techniques Avancées

    Vos modalités d'acquisition :

     Travaux pratiques et examen écrit

    Le rattrapage est autorisé (Max entre les deux notes écrêté à une note seuil)
    • le rattrapage est obligatoire si :
      Note initiale < 6
    • le rattrapage peut être demandé par l'étudiant si :
      6 ≤ note initiale < 10
    L'UE est acquise si Note finale >= 10
    • Crédits ECTS acquis : 1.5 ECTS
    • Scientifique acquis : 1.5

    Le coefficient de l'UE est : 1

    La note obtenue rentre dans le calcul de votre GPA.

    L'UE est évaluée par les étudiants.

    Programme détaillé

    1 - 6 séances d'introduction à la recherche opérationnelle pour les étudiants n'ayant pas vu au moins une des notions suivantes précédemment : problèmes de plus courts chemin et d'arbre couvrant dans des graphes, programmtation linéaire, algorithme du simplex, programmation linéaire en nombres entiers, algorithme de branch-and-bound.

    2 - Présentation d'une méthode de machine learning se résolvant optimalement par programmation linéaire en nombres entiers.

    3 - Application d'algorithmes de recherche à des graphes de très grande taille.

    4 - (pour les étudiants MPRO) Introduction au machine learning et à ses applications.

    Mots clés

    Optimisation discrète, graphes, grande dimension, résolution de problèmes

    Méthodes pédagogiques

    CM, TD, Projet
    Veuillez patienter