Optimisation mathématique – M072

Statut actuel

Non-inscrit

Tarif

à la demande

Commencer

Cette formation en optimisation mathématique vous permettra de maîtriser les outils, concepts et algorithmes nécessaires pour résoudre des problèmes complexes dans divers domaines tels que la finance, la logistique, l’intelligence artificielle et l’ingénierie. Vous apprendrez à modéliser des systèmes réels, optimiser les ressources et trouver des solutions efficaces aux problématiques rencontrées en milieu professionnel.

Ce que vous apprendrez :

  • Les bases de l’optimisation linéaire, non linéaire, combinatoire et stochastique.
  • L’utilisation des algorithmes avancés comme le simplexe, le gradient, et les heuristiques.
  • La résolution de problèmes réels : allocation de ressources, logistique, planification et gestion des risques.
  • Les outils et logiciels professionnels tels que Python, Gurobi et CVXPY.

Ce cours contient :

- Une version écrite et très détaillée de tous les chapitres ;

- Deux Masterclass organisés en visio ;

- Des quiz après chaque chapitre pour tester la compréhension ;

- Des exercices et travaux pratiques corrigés ;

- Des projets et cas réels ;

- Un quiz final pour tester et valider la maitrise du module.

 

Un Certificat qui atteste de la bonne maitrise de ce cours est délivré à l'apprenant qui a réussi les différentes évaluations.

 

Un suivi régulier par un collaborateur progcours est possible moyennant des frais supplémentaires.

Contenu Cours

Introduction à l’Optimisation Mathématique
Définition et importance de l’optimisation
Différences entre optimisation linéaire, non linéaire et discrète
Optimisation Linéaire (OL)
Modélisation mathématique avec des contraintes linéaires
Méthode du simplexe : algorithme et interprétation géométrique
Dualité en optimisation linéaire
Cas pratiques : allocation de ressources, logistique
Optimisation Non Linéaire (ONL)
Fonction objective et contraintes non linéaires
Méthodes de résolution 2 Chapitres
Applications : optimisation de fonctions complexes, machine learning
Optimisation Combinatoire et Discrète
Algorithmes exacts 2 Chapitres
Contenu de la Leçon
0% Terminé 0/2 Etapes
Algorithmes heuristiques 2 Chapitres
TP4 : Résoudre un problème de sac à dos avec une approche heuristique.
Programmation Quadratique et Convexe
Introduction à la convexité en optimisation
Optimisation quadratique : définitions et méthodes
Applications : finance (optimisation de portefeuille), contrôle optimal.
1 de 3