SYLLABUS DE L’ORIENTATION IAD Recherche opérationnelle Logique-Prolog Fouille de données Intelligence artificielle Informatique décisionnelle Projet 30h 40h 24h 20h 24h 20h Introduction aux méthodes de recherche opérationnelle, optimisation et aide à la décision Niveau : ING2 – Spécialité mathématiques – Orientation IAD ECTS : Volume Horaire : 30 heures Objectif : L’objectif de ce cours est d’introduire aux élèves les bases de la recherche opérationnelle et son application à l’aide à la décision. La Recherche Opérationnelle fait partie intégrante des sciences de l’Ingénieur. Cette discipline carrefour associant les mathématiques, l'économie et l'informatique. Elle nécessite une connaissance du domaine d'intervention. Elle a pour but de mieux comprendre et mieux résoudre les problèmes décisionnels. Le but de ce cours est de se familiariser avec les différentes méthodes utilisées pour résoudre ces problèmes d'optimisation. Pré requis : Introduction à la programmation linéaire Théorie des graphes Algorithmique. Structure de données avancées (liste, file, pile, arbre…). Maitrise d’un langage de programmation (ADA, JAVA ou C++). Contenu Méthodes exactes programmation dynamique recherche arborescente programmation linéaire en nombres réels, en nombres entiers ou binaires Méthodes approchées - heuristiques / métaheuristiques recuit simulé et variantes algorithmes évolutionnaires algorithme de recherche tabou algorithmes de colonies de fourmis algorithme pas essaim particulaire Validation Elle se fait sur un projet de 4h sur le choix d’un des sujets proposés. Programmation d’une méthode adéquate pour la résolution du problème choisi Modéliser et résoudre le même problème en utilisant OPL Studio Comparer les résultats et conclusion Logique- Prolog- Programmation par contraintes Niveau : ING2 – Spécialité mathématiques – Orientation IAD ECTS : Volume Horaire : 40 heures Objectif : L’objectif de ce cours est d’introduire aux élèves les bases de la logique et du langage Prolog. Un module de programmation par contraintes est ensuite présenté, permettant d’aborder les notions des contraintes unaires, binaires et globales ainsi que les notions de consistance. Pré requis : Contenu Introduction à la logique de propositions et de prédicats Introduction au langage Prolog : les faits, les relations, les clauses de Horns, etc. Prolog : Traitement des bases de données, requêtes simples et récursives. Prolog : Manipulation des listes. Accès, ajout, suppression, etc. Programmation par contraintes : Problèmes de satisfaction de contraintes, Algorithmes retour en arrière, anticipation et anticipation avec choix du domaine minimal. Notions de consistances : Algorithmes AC1, AC2, AC4. Manipulation des contraintes globales. Outil : Gnu Prolog. Application : Problème de zèbre, de mariages stables, etc. Validation Contrôle continu & Examen. Bibliographies L. STERLING and E. SHAPIRO. L'art de Prolog. Masson, 1990. R. Cori and D. Lascar. Logique mathématique, 2 vol. Masson, 1997. Fouille de données Niveau : ING2 – Spécialité Mathématiques – Orientation IAD ECTS : Volume Horaire : 24 heures Objectif : Le cours de fouille de données permet aux étudiants : 1. d’avoir une première approche de la problématique et des applications de la fouille de données. 2. d’étudier plusieurs modèles ainsi que leurs applicabilités sur différents types de données. Pré-requis : Analyse de données Contenu Problématique, domaines et applications de la fouille de données. Nature des données et des attributs. Apprentissage supervisé ou non supervisé. Systèmes classifieurs. Validation des classifieurs : Notions de précision et de rappel, erreur apparente, matrice de confusion et validation croisée. Comparaison entre deux modèles supervisé et non supervisé : les k plus proches voisins et les centres mobiles. Les règles d’associations : algorithmes apriori et aprioriTid. Génération des règles d’associations. Propriétés de redondance simple et stricte. Les arbres de décisions. Les algorithmes ID3 et C4.5. Le classifieur bayésien naïf. Les réseaux bayésiens. Inférences descendante et ascendante. Loi du réseau byésien. Structure de bases : linéaire, en V ou en chapeau. Problèmes de prédiction et de diagnostic. Comparaison et bilan des méthodes étudiées via une étude de cas. Validation Contrôle continu. Bibliographies U. Fayyad, G. Piatetsky-Shapiro, P. Smyth, and R. Uthurusamy. Advances in Knowledge Discovery and Data Mining,. AAAI/MIT Press, 1996. Ian H. Witten; Eibe Frank Data Mining: Practical machine learning tools and techniques, 2nd Edition. Morgan Kaufmann, 2005. Intelligence Artificielle Niveau : ING2 – Spécialité Mathématiques – Orientation IAD ECTS : Volume Horaire : 20 heures Objectif : L'objectif du cours est de présenter aux élèves ingénieurs les différentes approches, méthodes et techniques de l'intelligence artificielle. Les techniques de résolution de problème en appliquant des algorithmes de recherche dans un espace de problèmes sont enseignées. Les élèves apprendront également des méthodes et des techniques d'apprentissage symbolique permettant à un système d'enrichir ses connaissances afin de s'adapter à son environnement. Pré-requis : Logique – Prolog – Théorie de Graphes. Contenu Recherche aveugle et guidée dans un espace d'états : Notion d'heuristique & Algorithme A*. Théorie de jeux : noyau de graphe et l'algorithme alpha-beta. Méthodes & techniques d'apprentissage automatique supervisé : l'algorithme élimination des candidats et l'espace de versions, l'algorithme foil & la résolution inverse. Validation Examen. Bibliographies S. Russel and P. Norvig. Artificial Intelligence: A Modern Approach. Prentice-Hall International, Inc., 1995. T.M. Mitchell. Machine Learning. MCGraw, 1997. G.F. Luger and W.A. Stubblefield. Artificial Intelligence: Structures and Strategies for Complex Problem Solving. Addition-wesley, 1999. Informatique décisionnelle Niveau : ING2 – Génie mathématique orientation IAD ECTS : Volume Horaire : 24 heures Objectif : Ce cours d’introduction au décisionnel a pour objet de fournir les bases sur ce qu’est un système d’information décisionnel : Concept généraux, Présentation de la modélisation Présentation des ETL, Présentation du reporting, Présentation de l’OLAP, Pré-requis : les SGBD Contenu Système d’information décisionnel, Présentation de chacune des composantes du système Cours +TP Validation Examen