Descriptif
Objectifs pédagogiques
- Contrôle : 4
- Travaux dirigés en salle info : 2
- Petite classe : 4
- Cours magistral : 1
- Stage de communication : 11
effectifs minimal / maximal:
6/40Diplôme(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 20Littérale/grade européenPour les étudiants du diplôme Master 2 Data Sciences
Le rattrapage est autorisé (Max entre les deux notes)- le rattrapage est obligatoire si :
- Note initiale < 7
- le rattrapage peut être demandé par l'étudiant si :
- 7 ≤ note initiale < 10
Pour les étudiants du diplôme Diplôme d'Ingénieur de l'Ecole Nationale Supérieure de Techniques Avancées
Vos modalités d'acquisition :
- le rattrapage est obligatoire si :
- Note initiale < 6
- le rattrapage peut être demandé par l'étudiant si :
- 6 ≤ note initiale < 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.