Most popular programs
Trending now
Ce MOOC vise à démystifier la recherche opérationnelle (RO) qui intervient dans plusieurs processus organisationnels et industriels, en particulier ceux relevant de l’allocation des ressources, de la planification des opérations, de la logistique, de la gestion des stocks, des flux, des réseaux, d’optimisation des tournées. Présente dans la plupart des secteurs d’activités, la RO a révolutionné le monde depuis trois-quarts de siècle et est à l’œuvre à chaque instant dans nos vies.
La recherche opérationnelle (RO) regroupe l’ensemble des méthodes, modèles et outils mathématiques et informatiques permettant d’élaborer de meilleures décisions.
L’objectif principal du MOOC «Recherche opérationnelle : optimiser ses décisions» est de vous présenter, d’abord, les généralités de la recherche opérationnelle et ses principaux domaines d’applications. Vous serez ensuite initié aux techniques plus spécifiques d’optimisation linéaire, en nombres entiers, et non linéaire, pour conclure sur les avancées en optimisation avec apprentissage, bénéficiant des derniers développements en apprentissage automatique.
La recherche opérationnelle tente ainsi de répondre à de multiples problèmes d’optimisation, tels que :
● Comment maximiser sa marge de profit tout en restant concurrentiel?
● Comment minimiser ses coûts d’opération?
● Comment assurer un développement durable, en tenant compte de la limite des ressources disponibles? Etc.
Vous en apprendrez davantage sur l’utilisation de différents types de modèles et techniques pour améliorer la prise de décisions à l’aide de cas diversifiés et interdisciplinaires issus de différents secteurs d’activités : transport et logistique, réseaux de télécommunication, santé, gestion d’entreprise, finance et énergie.
Le contenu de la formation est essentiellement axé sur la présentation des méthodes et principes qui sont illustrés par des exemples concrets. Deux cas pratiques vous permettront d’appliquer les méthodes en programmation linéaire.
Cette formation en ligne s’adresse principalement aux ingénieurs, décideurs, gestionnaires, responsables de projets ou tout apprenant ayant un intérêt pour la recherche opérationnelle.
Le cours est divisé en cinq modules que vous pourrez suivre à votre propre rythme. Vous pourrez tester votre compréhension avec de la rétroaction à l’aide d’un questionnaire dans chaque module.
Ce MOOC résulte d’une collaboration entre l’Institut de valorisation des données (IVADO) de l’Université de Montréal, du Centre interuniversitaire de recherche sur les réseaux d’entreprise, la logistique et le transport (CIRRELT) et du Groupe d’études et de recherche en analyse des décisions (GERAD).
Le contenu a été développé par des professeurs, ingénieurs et chercheurs ayant de l’expérience en R et D académique et industrielle.
Dans ce MOOC, le genre masculin est utilisé comme générique, dans le seul but de ne pas alourdir le texte.
Connaissance de base en mathématiques.
Connaissance de base en programmation Python.
Au terme de cette formation en ligne, l’apprenant sera en mesure de :
Définir les notions fondamentales de l’optimisation et des techniques en recherche opérationnelle.
Reconnaître et modéliser un problème d’optimisation provenant de l’industrie en une formulation mathématique appropriée.
Assimiler les algorithmes et les modèles les plus connus en recherche opérationnelle et aide à la décision.
Résoudre un problème d’optimisation en programmation linéaire à l’aide d’un logiciel d’optimisation.
Voici les contenus en RO abordés dans chaque module :
Module 1 - Introduction à la recherche opérationnelle
Module 2 - Programmation linéaire
Cas pratique 1
Cas pratique 2
Module 3 - Programmation en nombres entiers
Module 4 - Optimisation non-linéaire
Module 5 - Optimisation avec apprentissage automatique
Ph. D., professeure adjointe, Département d’opérations et systèmes de décision, Faculté des sciences de l'administration, • Université Laval
Ing., Ph. D., professeure adjointe, Département d’informatique et de mathématique, • Université du Québec à Chicoutimi
Ph. D., professeur, département d’analytique, opérations et technologies de l’information • École des sciences de la gestion (ESG-UQAM)
Soutien scientifique et technique
NABILA OUCHENE | Coordonnatrice
IVADO
EGLANTINE CAMBY, PH.D
Assistante scientifique, IVADO | Chercheure postdoctorale
Département de sciences de la décision | HEC Montréal | Membre GERAD
MAYA OTOMO-LAUZON
Assistante technique, IVADO
Étudiante en sciences des données et analytique d’affaires, HEC Montréal
HANIFA BARRY
Assistante technique, IVADO
Étudiante à la M.Sc. en Informatique, Université de Montréal
Accompagnement technopédagogique
DOMINIQUE D’ANJOU
Conseiller technopédagogique | Centre de pédagogie universitaire, Université de Montréal
Médias
MÉLODIE AVERNA
Coordonnatrice de la médiatisation | Centre de pédagogie universitaire, Université de Montréal
PHILIPPE LÉONARD
Concepteur en médiatisation | Centre de pédagogie universitaire, Université de Montréal
Caméra
FÉLIX LABBÉ CHABOT
Centre de pédagogie universitaire, Université de Montréal
VINCENT RICHER
Centre de pédagogie universitaire, Université de Montréal
Assurance qualité et soutien EDUlib
NATACHA BRASSARD
Centre de pédagogie universitaire, Université de Montréal
VINCENT LABERGE
Centre de pédagogie universitaire, Université de Montréal
