Skip to main content

UMontrealX: Recherche opérationnelle: optimiser ses décisions

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.

5 weeks
3–4 hours per week
Self-paced
Progress at your own speed
Free
Optional upgrade available

There is one session available:

After a course session ends, it will be archivedOpens in a new tab.
Starts Feb 28
Ends Mar 27

About this course

Skip About this course

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.

Course created with support from

IVADOCIRRELTGERAD

At a glance

  • Institution: UMontrealX
  • Subject: Computer Science
  • Level: Intermediate
  • Prerequisites:
    • Connaissance de base en mathématiques.

    • Connaissance de base en programmation Python.

  • Language: Français
  • Video Transcript: Français

What you'll learn

Skip What you'll learn

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

Frequently Asked Questions

Skip Frequently Asked Questions

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

Interested in this course for your business or team?

Train your employees in the most in-demand topics, with edX For Business.