Objectif
Se familiariser à la science des données pour la prise de décision. Développer des stratégies pour résoudre un problème réel en utilisant l'optimisation des données brutes à une interface utilisateur. Modéliser des données numériques avec les outils pertinents. Modéliser mathématiquement des problèmes afin de les résoudre avec des algorithmes/solveurs d'optimisation.
Contenu
Utilisation de plusieurs logiciels et solveurs afin de fournir un éventail de possibilités à l'étudiant: Matlab, Xpress, librairies Python, Coin-OR, etc. Survol des méthodes numériques pour l'approximation de fonctions et des outils utilisés. Types d'optimisation: rappel modélisation mathématique, optimisation linéaire et en nombres entiers, programmation dynamique, optimisation non-linéaire, optimisation de boîtes noires, introduction à la théorie des graphes, optimisation stochastique et notions avancées en nombres entiers (génération de colonnes, algorithmes de plans coupants)
Mode(s) de prestation
Présence
Présence de la professeure ou du professeur, de la personne chargée de cours ou de l’équipe pédagogique et des personnes étudiantes à un moment commun dans un lieu de formation déterminé (ex. : salle de classe physique, laboratoire, sortie sur le terrain).
Vidéoconférence
Cours offert simultanément par vidéoconférence à partir d’un site d’enseignement origine, où l’enseignement se fait en présence, sur un ou des sites (lieux de formation) distants identifiés par l’UQAR, selon les procédures et règlements en vigueur. Le cours est suivi de façon simultanée par tous.