| Libellé du cours : | Optimisation et Analyse Prescriptive |
|---|---|
| Département d'enseignement : | MIN / Mathématiques - Informatique |
| Responsable d'enseignement : | Monsieur FREDERIC SEMET |
| Langue d'enseignement : | Français |
| Ects potentiels : | 4 |
| Grille des résultats : | Grade de A+ à R |
| Code et libellé (hp) : | G1G2_ED_MIN_OAP - Optimis. et anal. prescritive |
Equipe pédagogique
Enseignants : Monsieur FREDERIC SEMET / Monsieur DIEGO CATTARUZZA / Monsieur MAXIME OGIER
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires
Résumé
L’analyse (Analytics) est un domaine très vaste de la science des données qui a pour but d’aider les entreprises à répondre à des questions sur ce qui s'est produit dans le passé, sur ce qui est susceptible d’arriver dans le futur et sur les décisions qu'elles peuvent prendre pour profiter des opportunités probables à venir. L’analyse prescriptive est la partie décisionnelle de l'analyse. Elle vise à proposer des politiques, c’est-à-dire les décisions à mettre en œuvre, pour atteindre un objectif en tenant compte des ressources, de scénarios et de connaissances issues des évènements passés et actuels. L’optimisation, qui vise à identifier la meilleure action à entreprendre compte tenu des contraintes et des objectifs, constitue donc une base de l’analyse prescriptive. Ce cours offre aux étudiants une vue d'ensemble à la fois théorique et pratique de la façon d'appliquer les techniques d’optimisation en analyse prescriptive. Diverses techniques de pointe sont présentées portant notamment sur la programmation linéaire, la programmation en nombres entiers, les méthodes heuristiques, l’optimisation des problèmes de grande taille.
Objectifs pédagogiques
À l’issue du cours, l’élève sera capable de : - Développer des modèles mathématiques associés à un contexte complexe - Evaluer la qualité des modèles proposés - Utiliser des logiciels commerciaux existants et de concevoir une méthode ad-hoc - Evaluer et discuter les résultats obtenus Contribution du cours au référentiel de compétences ; à l’issue du cours, l’étudiant aura progressé dans : - Capacité à analyser le contexte (organisationnel, institutionnel, sociétal, marchand) - Capacité à organiser la résolution d’un problème - Capacité à concrétiser ou à réaliser un prototype - Capacité à reconnaître les éléments spécifiques d'un problème - Capacité à identifier les interactions entre éléments - Capacité à proposer un ou plusieurs scénarios de résolution - Capacité à prendre en compte l'incertitude générée par la complexité - Capacité à converger vers une solution acceptable (suivi hypothèses, ordres de grandeur …)
Objectifs de développement durable
Modalités de contrôle de connaissance
Contrôle Continu
Commentaires: Evaluation finale et contrôle TP.
Ressources en ligne
Cours et travaux dirigés. Une pédagogie par projet sera également mise en place.
Pédagogie
Séquencement / modalités d'apprentissage
| Nombre d'heures en CM (Cours Magistraux) : | 14 |
|---|---|
| Nombre d'heures en TD (Travaux Dirigés) : | 16 |
| Nombre d'heures en TP (Travaux Pratiques) : | 16 |
| Nombre d'heures en Séminaire : | 0 |
| Nombre d'heures en Demi-séminaire : | 0 |
| Nombre d'heures élèves en TEA (Travail En Autonomie) : | 14 |
| Nombre d'heures élèves en TNE (Travail Non Encadré) : | 0 |
| Nombre d'heures en CB (Contrôle Bloqué) : | 0 |
| Nombre d'heures élèves en PER (Travail PERsonnel) : | 0 |
| Nombre d'heures en Heures Projets : | 0 |
Pré-requis
Connaissances en algèbre linéaire, analyse correspondant au niveau des classes préparatoires et connaissance de base d’algorithmique (qui peuvent être acquis en classe préparatoire et dans le cours de tronc commun de AAP).
Nombre maximum d'inscrits
64
Remarques
Lors des TD en salle informatique, il est indispensable que les étudiants aient accès au logiciel IBM ILOG Optimization Studio (licence académique gratuite).