Programme d’études 2023-2024English
Advanced Optimization for Data Science
Unité d’enseignement du programme de Master : ingénieur civil en informatique et gestion , à finalité spécialisée en Artificial Intelligence and Decision Aid (MONS) (Horaire jour) à la Faculté Polytechnique

CodeTypeResponsable Coordonnées
du service
Enseignant(s)
UI-M1-IRIGIA-103-MUE ObligatoireVANDAELE ArnaudF151 - Mathématique et Recherche opérationnelle
  • VANDAELE Arnaud
  • GILLIS Nicolas

Langue
d’enseignement
Langue
d’évaluation
HT(*) HTPE(*) HTPS(*) HR(*) HD(*) CréditsPondération Période
d’enseignement
  • Anglais
Anglais263400055.002e quadrimestre

Code(s) d’AAActivité(s) d’apprentissage (AA) HT(*) HTPE(*) HTPS(*) HR(*) HD(*) Période
d’enseignement
Pondération
I-MARO-232Topics in Convex Optimization816000Q240.00%
I-MARO-303First-Order Methods for Large Scale Machine Learning612000Q230.00%
I-MARO-018Optimization & Operational Research126000Q230.00%

Unité d'enseignement

Objectifs par rapport aux acquis d'apprentissage du programme

  • Mobiliser un ensemble structuré de connaissances et compétences scientifiques et techniques spécialisées permettant de répondre, avec expertise et adaptabilité, aux missions de l'ingénieur civil en Informatique et Gestion à finalité Innovation et Systèmes d'Informations.
    • Maîtriser et mobiliser de façon pertinente des connaissances, des modèles, des méthodes et des techniques relatifs - À l'amélioration des processus de décision et de gestion, la maîtrise de la modélisation mathématique et des algorithmes d'optimisation, l'analyse des grands volumes de données.- À la maîtrise des outils du Web et multimédia, la conception et l'exploitation des systèmes informatiques distribués et mobiles, la gestion d'un projet logiciel de grande envergure.- À la gestion innovante d'une entreprise et ou d'une équipe de projet.- Aux systèmes d'information (data mining, base de données, cloud computing, ...) et au management de l'innovation technologique.
    • Analyser et modéliser une solution informatique innovante ou une stratégie d'entreprises en sélectionnant de manière critique des théories et des approches méthodologiques (modélisation, optimisation, algorithmique, calculs), y compris en tenant compte des aspects pluridisciplinaires.
    • Evaluer la validité des modèles et des résultats compte tenu de l'état de la science et des caractéristiques du problème.
  • Imaginer, concevoir, réaliser et mettre en oeuvre des modèles conceptuels et des solutions informatiques pour répondre à des problèmes complexes notamment de décision, d'optimisation, de gestion et de production dans le cadre d'une démarche d'innovation en entreprise en intégrant l'évolution des besoins, contextes et enjeux (techniques, économiques, sociétaux, éthiques et environnementaux).
    • Identifier le problème complexe à résoudre et élaborer avec le client le cahier des charges en intégrant les besoins, contraintes, contextes et enjeux (techniques, économiques, sociétaux, éthiques et environnementaux).
    • Sur base d'une modélisation, concevoir un système ou une stratégie répondant au problème posé ; les évaluer compte tenu des différents paramètres du cahier des charges.

Acquis d'apprentissage de l'UE

voir les AA

Contenu de l'UE : descriptif et cohérence pédagogique

Note globale.
Une note minimum à atteindre dans chacune des AA sera communiquée.

Compétences préalables

Analyse Numérique, Optimisation linéaire et non linéaire, capacité d'implémentation

Types d'activités

AATypes d'activités
I-MARO-232
  • Cours magistraux
  • Conférences
  • Travaux de laboratoire
  • Projet sur ordinateur
I-MARO-303
  • Cours magistraux
  • Travaux pratiques
  • Projet sur ordinateur
I-MARO-018
  • Cours magistraux
  • Exercices dirigés
  • Utilisation de logiciels
  • Démonstrations

Mode d'enseignement

AAMode d'enseignement
I-MARO-232
  • En présentiel
I-MARO-303
  • En présentiel
I-MARO-018
  • En présentiel

Supports principaux non reproductibles

AASupports principaux non reproductibles
I-MARO-232Sans objet
I-MARO-303Slides et autres supports disponibles sur Moodle
I-MARO-018Sans objet

Supports complémentaires non reproductibles

AASupport complémentaires non reproductibles
I-MARO-232Sans objet
I-MARO-303Bottou, L., Curtis, F. E., & Nocedal, J. (2018). Optimization methods for large-scale machine learning. Siam Review60(2), 223-311.  Newton, D., Yousefian, F., & Pasupathy, R. (2018). Stochastic Gradient Descent: Recent Trends. In Recent Advances in Optimization and Modeling of Contemporary Problems (pp. 193-220). INFORMS.
I-MARO-018Sans objet

Autres références conseillées

AAAutres références conseillées
I-MARO-232Sans objet
I-MARO-303Sans objet
I-MARO-018Sans 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-232Non autorisé
I-MARO-303Non autorisé
I-MARO-018Non autorisé

Evaluation du quadrimestre 2 (Q2) - type

AAType(s) et mode(s) d'évaluation Q2
I-MARO-232
  • Examen écrit - En présentiel
  • Production (travail écrit, rapport, essai, collection, produit…) à déposer - En présentiel
  • Examen oral - En présentiel
  • Participation à un séminaire - En présentiel
  • Exercice(s) coté(s) - En présentiel
  • Epreuve pratique - En présentiel
I-MARO-303
  • Examen écrit - A distance
I-MARO-018
  • Examen écrit - En présentiel
  • Production (travail écrit, rapport, essai, collection, produit…) à déposer - En présentiel
  • Examen oral - En présentiel
  • Présentation orale - En présentiel
  • Participation à un séminaire - En présentiel
  • Exercice(s) coté(s) - En présentiel
  • Epreuve pratique - En présentiel

Evaluation du quadrimestre 2 (Q2) - commentaire

AACommentaire sur l'évaluation Q2
I-MARO-232sans objet
I-MARO-303Cette AA est évalué via un projet
I-MARO-018Les modalités d'évaluation peuvent évaluer suivant les conditions sanitaires.
Celles-ci peuvent être composées de travaux personnels (et/ou en groupes), présentations, examen écrit, examen oral.
Pour les étudiants n'ayant pas respecté la règle des 80% de participation, l'évaluation sera effectuée à l'aide d'un examen particulier dont la description sera faite par le titulaire avant l'examen."
Dans tous les cas (présentiel ou à distance), si plusieurs parties sont à réaliser lors de l'examen, une note d'exclusion (la note finale est égale à la note minimale des différentes parties) sera éventuellement introduite (si c'est le cas, cela sera annoncé avant l'examen).

Evaluation du quadrimestre 3 (Q3) - type

AAType(s) et mode(s) d'évaluation du Q3
I-MARO-232
  • Examen écrit - En présentiel
  • Production (travail écrit, rapport, essai, collection, produit…) à déposer - En présentiel
  • Examen oral - En présentiel
  • Participation à un séminaire - En présentiel
  • Exercice(s) coté(s) - En présentiel
  • Epreuve pratique - En présentiel
I-MARO-303
  • Examen écrit - A distance
I-MARO-018
  • Examen écrit - En présentiel
  • Production (travail écrit, rapport, essai, collection, produit…) à déposer - En présentiel
  • Examen oral - En présentiel
  • Présentation orale - En présentiel
  • Participation à un séminaire - En présentiel
  • Exercice(s) coté(s) - En présentiel
  • Epreuve pratique - En présentiel

Evaluation du quadrimestre 3 (Q3) - commentaire

AACommentaire sur l'évaluation Q3
I-MARO-232Les modalités d'évaluation peuvent évaluer suivant les conditions sanitaires.
Celles-ci peuvent être composées de travaux personnels (et/ou en groupes), présentations, examen écrit, examen oral.
Pour les étudiants n'ayant pas respecté la règle des 80% de participation, l'évaluation sera basée sur la connaissance théorique du cours.
I-MARO-303idem Q1
I-MARO-018Les modalités d'évaluation peuvent évaluer suivant les conditions sanitaires.
Celles-ci peuvent être composées de travaux personnels (et/ou en groupes), présentations, examen écrit, examen oral.
Pour les étudiants n'ayant pas respecté la règle des 80% de participation, l'évaluation sera effectuée à l'aide d'un examen particulier dont la description sera faite par le titulaire avant l'examen.
Dans tous les cas (présentiel ou à distance), si plusieurs parties sont à réaliser lors de l'examen, une note d'exclusion (la note finale est égale à la note minimale des différentes parties) sera éventuellement introduite (si c'est le cas, cela sera annoncé avant l'examen).
(*) 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 dernière mise à jour de la fiche ECTS par l'enseignant : 16/05/2023
Date de dernière génération automatique de la page : 27/04/2024
20, place du Parc, B7000 Mons - Belgique
Tél: +32 (0)65 373111
Courriel: info.mons@umons.ac.be