Documente Academic
Documente Profesional
Documente Cultură
Maria Malek
1er septembre 2009
1 Objectifs et débouchés
Nous proposons dans cette option deux grands axes pour l’aide à la décision :
1. La recherche opérationnelle ;
2. L’exploration de données.
La Recherche Opérationnelle nous permet de proposer des méthodes scientifiques, combinant
techniques de développement informatique, outils mathématiques, processus de modélisation et
connaissance du Génie Industriel, afin de traiter des problèmes d’optimisation, d’aide à la dé-
cision et d’évaluation de performances liées aux organisations et procédés du monde réel. Les
principales applications concernent les transports, l’aide à la mobilité, les télécommunications,
les systèmes de production, les procédés industriels. Les outils et modèles associés sont ceux du
développement informatique (technologies objet, systèmes d’information, outils de simulation,
bibliothèques d’optimisation ou de gestion de contraintes, etc.), de l’optimisation continue ou
combinatoire (graphes, ordonnancement, complexité algorithmique, approximation, etc.), de la
programmation mathématique (programmation linéaire, entière, mixte, quadratique, convexe,
etc.), du calcul stochastique (files d’attente, stratégies dans l’incertain, etc.), de l’aide à la déci-
sion (optimisation multi-critère, théorie des jeux, modélisation micro-économique, etc.).
L’exploration de données a pour but la découverte d’informations intéressantes, utiles dans les
très grandes bases de données. L’énorme croissance de la taille des bases de données scientifiques
et commerciales actuellement disponibles, ainsi que la croissance aussi rapide des performances
des ordinateurs nécessitent des outils de traitement adaptés et performants. Le domaine de la
fouille de données proposent des méthodes et des techniques mathématiques adaptées pour la
résolution de ces classes de problèmes. Elles permettent de définir la précision de l’énoncé de
l’objectif poursuivi (e.g. le critère de classification ou la mesure de discrimination) ainsi que la
formulation des contraintes imposées à la solution (e.g. trouver une partition, un recouvrement ou
une hiérarchie). Nous mettons en œuvre ainsi, des outils mathématiques puissants pour construire
des algorithmes très performants.
1
1.1 Débouchés Professionnels
1.2 Métiers
Les métiers pratiqués seront :
– Ingénieurs employés par des éditeurs de logiciels, des SSII, et des services internes à de
grandes entreprises.
– Ingénieurs des entreprises, concepteurs ou utilisateurs d’outils de calcul, d’évaluation de
performances, d’aide à la décision, de prévision.
– Ingénieurs de recherche et de développement, directeurs de projets en informatique ou
consultants.
2 La recherche opérationnelle
Le Recherche Opérationnelle (RO) est la discipline des méthodes scientifiques utilisables pour
élaborer de meilleures décisions. Elle permet de rationaliser, de simuler et d’optimiser l’architec-
ture et le fonctionnement des systèmes de production ou d’organisation.
La RO propose des modèles pour analyser des situations complexes et permet aux décideurs
de faire les choix les plus efficaces grâce à :
– une meilleure compréhension des problèmes,
2
2.1 Cours fondamentaux
Contenu
1. Méthode du simplexe, méthode révisée du simplexe.
2. Dualité, méthode duale du simplexe, interprétation économique.
3. Modèles de programmes en nombres entiers, méthode par séparation et évaluation.
4. Relations min-max, séparation et optimisation, méthode de coupes.
Contenu
1. Performance d’un algorithme approché, algorithmes gourmands, schémas d’approximation,
2. Classes de problèmes.
3
2.2 Cours spécialisés & Applications
Contenu
1. Modélisation et résolution de problèmes à l’aide de la programmation par contraintes.
2. Types de contraintes, principaux algorithmes et heuristiques de résolution.
3. La fonction ordonnancement en entreprise
4. Procédures par séparation et évaluation : application au problème d’ordonnancement à
cheminements multiples.
5. Modélisation mathématique et ordonnancement : application à des problèmes d’emploi du
temps.
4
2.2.1 Prise de décision et incertitude - 20H
Contenu
1. Rappel de la théorie des probabilités, Bayes, arbres de décision.
2. Modèles non classiques de l’incertain.
3. Théorie de la décision qualitative ;
4. Réseaux bayésiens.
5. Applications.
5
3.1 Cours fondamentaux
Contenu
1. Introduction aux fouilles de données
2. Techniques de l’extraction de connaissances à partir de données
(a) Apprentissage supervisé
– Arbre de décision et régression.
– Bayésien naif.
– Réseaux bayésiens.
(b) Apprentissage non supervisé
– Règle d’associations et motifs fréquents.
– Classification ascendante hiérarchique.
3. Application : Web Mining
6
3.2 Différents types de fouilles de données
7
3.3 Outils & Applications
8
3.3 Outils & Applications