 | Programme d’études 2020-2021 | English | |
 | Modèles aléatoires de recherche opérationnelle | ||
Unité d’enseignement du programme de Master en sciences mathématiques 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 |
|---|
| Code | Type | Responsable | Coordonnées du service | Enseignant(s) |
|---|---|---|---|---|
| US-M1-SCMATH-025-M | UE optionnelle | GILLIS Nicolas | F151 - Mathématique et Recherche opérationnelle |
|
| Langue d’enseignement | Langue d’évaluation | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Crédits | Pondération | Période d’enseignement |
|---|---|---|---|---|---|---|---|---|---|
| Français | 18 | 6 | 0 | 0 | 0 | 4 | 4.00 | 2e quadrimestre |
| Code(s) d’AA | Activité(s) d’apprentissage (AA) | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Période d’enseignement | Pondération |
|---|---|---|---|---|---|---|---|---|
| I-MARO-015 | Modèles aléatoires de recherche opérationnelle | 18 | 6 | 0 | 0 | 0 | Q2 | 100.00% |
| Unité d'enseignement |
|---|
Objectifs par rapport aux acquis d'apprentissage du programme
- Posséder des connaissances mathématiques intégrées et pointues
- -Pouvoir mobiliser les mathématiques de bachelier pour traiter de questions complexes et posséder une expertise profonde de celles-ci, prolongeant celle développée en bachelier.
- -Être capable d'utiliser ses connaissances antérieures pour apprendre des mathématiques de haut niveau de manière autonome.
- -Être à même de rechercher la littérature mathématique de manière efficace et pertinente.
- -Être capable de lire des articles de recherche dans au moins une discipline des mathématiques
- Être capable d'innovation pour résoudre une problématique inédite en mathématiques ou dans leurs applications
- -Pouvoir mobiliser ses connaissances, rechercher et analyser diverses sources d'information afin de proposer des solutions éventuellement innovantes à des problématiques inédites ciblées.
- -Pouvoir faire usage de l'outil informatique de manière appropriée, au besoin en développant un petit programme.
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
Probabilité et statistiques
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
| AA | Types d'activités |
|---|---|
| I-MARO-015 |
|
Mode d'enseignement
| AA | Mode d'enseignement |
|---|---|
| I-MARO-015 |
|
Supports principaux
| AA | |
|---|---|
| I-MARO-015 |
Supports principaux non reproductibles
| AA | Supports principaux non reproductibles |
|---|---|
| I-MARO-015 | Transparents |
Supports complémentaires
| AA | |
|---|---|
| I-MARO-015 |
Supports complémentaires non reproductibles
| AA | Support complémentaires non reproductibles |
|---|---|
| I-MARO-015 | Sans objet |
Autres références conseillées
| AA | Autres références conseillées |
|---|---|
| I-MARO-015 | Sans objet |
Reports des notes d'AA d'une année à l'autre
| AA | Reports des notes d'AA d'une année à l'autre |
|---|---|
| I-MARO-015 | Autorisé |