Programme d’études 2020-2021English
Modèles aléatoires de recherche operationnelle
Unité d’enseignement du programme de Master en sciences informatiques à la Faculté des Sciences

Les étudiants sont invités à consulter les fiches ECTS des AA pour prendre connaissance des modalités d’évaluation spéciales Covid-19 éventuellement prévues pour la fin du Q3

CodeTypeResponsable Coordonnées
du service
Enseignant(s)
US-M1-INFO60-050-MUE optionnelleGILLIS NicolasF151 - Mathématique et Recherche opérationnelle
  • GILLIS Nicolas

Langue
d’enseignement
Langue
d’évaluation
HT(*) HTPE(*) HTPS(*) HR(*) HD(*) CréditsPondération Période
d’enseignement
  • Français
Français18600022.002e quadrimestre

Code(s) d’AAActivité(s) d’apprentissage (AA) HT(*) HTPE(*) HTPS(*) HR(*) HD(*) Période
d’enseignement
Pondération
I-MARO-015Modèles aléatoires de recherche opérationnelle186000Q2100.00%

Unité d'enseignement

Objectifs par rapport aux acquis d'apprentissage du programme

  • Avoir acquis des connaissances hautement spécialisées et intégrées et des compétences larges dans les diverses disciplines des sciences informatiques, qui font suite à celles relevant du niveau de bachelier en sciences informatiques
  • Réaliser des travaux de développement ou d'innovation en informatique
    • -Etre capable d'appliquer, de mobiliser, d'articuler et de valoriser les connaissances et les compétences acquises en vue de contribuer à la réalisation d'un travail de développement ou d'innovation
    • -Pouvoir maîtriser la complexité d'un tel travail et tenir compte des objectifs et des contraintes qui le caractérisent
  • Appliquer une méthodologie scientifique
    • -Avoir la capacité de mener une réflexion critique sur l'impact de l'informatique en général et, en particulier, lors de la contribution à des projets
    • -Faire preuve de rigueur, d'autonomie, de créativité, d'honnêteté intellectuelle, de sens éthique et déontologique

Acquis d'apprentissage UE

- modéliser un système à l'aide d'une chaîne de Markov et déterminer son comportement ;- proposer une politique de gestion des files et des systèmes d'attente. 

Contenu de l'UE

Ce cours présente et analyse différents modèles aléatoires pour la recherche opérationnelle, se concentrant principalement sur les chaînes de Markov et leurs applications (PageRank de Google, files d'attente, etc.) 

Compétences préalables

Notions de probabilité

Types d'évaluations Q2 pour l'UE

  • Examen écrit

Commentaire sur les évaluations Q2 de l'UE

1 Examen écrit, 100% de la note d'AA, durée : 3h;                        

Types d'évaluation Q3 pour l'UE

  • Examen écrit

Commentaire sur les évaluations Q3 de l'UE

1 Examen écrit, 100% de la note d'AA, durée : 3h;                        

Types d'activités

AATypes d'activités
I-MARO-015
  • Cours magistraux
  • Conférences
  • Exercices dirigés
  • Utilisation de logiciels
  • Démonstrations

Mode d'enseignement

AAMode d'enseignement
I-MARO-015
  • Face à face

Supports principaux

AA
I-MARO-015

Supports principaux non reproductibles

AASupports principaux non reproductibles
I-MARO-015Transparents

Supports complémentaires

AA
I-MARO-015

Supports complémentaires non reproductibles

AASupport complémentaires non reproductibles
I-MARO-015Sans objet

Autres références conseillées

AAAutres références conseillées
I-MARO-015Sans objet

Reports des notes d'AA d'une année à l'autre

AAReports des notes d'AA d'une année à l'autre
I-MARO-015Non autorisé
(*) HT : Heures théoriques - HTPE : Heures de travaux pratiques encadrés - HTPS : Heures de travaux pratiques supervisés - HD : Heures diverses - HR : Heures de remédiation - Dans la colonne Pér. (Période), A=Année, Q1=1er quadrimestre et Q2=2e quadrimestre
Date de génération : 09/07/2021
20, place du Parc, B7000 Mons - Belgique
Tél: +32 (0)65 373111
Courriel: info.mons@umons.ac.be