— Face à la nécessité de rationaliser l’usage des ressources dans des systèmes économiques de plus en plus complexes, la programmation linéaire constitue un outil extrêmement puissant. Les récents progrès des solveurs de programmation linéaire permettent aux ingénieurs et aux économistes de mettre en œuvre rapidement ces techniques sur un grand nombre de problèmes opérationnels ou stratégiques. Néanmoins, le succès d’une telle démarche repose, avant tout, sur les choix de modélisation du problème à traiter. Cette formation vous permettra donc d’appréhender les principes régissant les algorithmes d’optimisation linéaire dans le but d’adopter une modélisation efficiente pour votre problème.

— Du caractère discret inhérent à bon nombre de problèmes de décision naît l’explosion combinatoire. Lorsqu’il n’est pas possible de contourner ce phénomène (en relâchant, notamment, les contraintes d’intégrité), la Programmation Linéaire en Nombres Entiers (PLNE) permet de se confronter à de nombreux problèmes d’Optimisation Combinatoire tels qu’on en rencontre dans les domaines de la logistique, de la gestion de la production ou lors de l’élaboration d’emplois du temps.

— Lorsque la Programmation Linéaire en Nombre Entier (PLNE) s’avère inapte à traiter un problème d’optimisation combinatoire, il peut s’avérer judicieux d’utiliser les attributs de ce problème pour le surmonter. La programmation par contraintes et la recherche locale reposent sur cette idée maîtresse pour offrir un cadre formel pour la résolution de problèmes combinatoires réputés difficiles.

— L’optimisation non-linéaire est au cœur de nombreux systèmes, dans des domaines variés tels que l’énergie, l’économie, la finance, l’apprentissage automatique ou encore le contrôle prédictif de modèles. Cette formation permettra aux participants de comprendre et pratiquer les bases et subtilités de l’optimisation non-linéaire et de modéliser et résoudre efficacement des problèmes.

Les décisions à prendre au cours du temps pour gérer des stocks ou des actifs financiers dépendent fortement les unes des autres. On recherche souvent un équilibre entre des gains immédiats et des espérances de gains futurs. Ce cours montre comment la programmation dynamique permet de modéliser ce type de problèmes dans leur globalité.

— Dans les activités de vente de biens ou de services, la prévision de la demande est un enjeu majeur pour la planification opérationnelle (de la production, des stocks, des équipes) et pour le dimensionnement des installations à long terme. Cette formation permet de prendre en main le logiciel R et présente l’intérêt de l’utilisation qui peut en être faite dans le cadre métier de la prévision de la demande.

— Le Big Data est une des dernières grandes problématiques au cœur des enjeux de nombreuses entreprises. Pourtant, au-delà de l’effet de mode, il est bien souvent difficile d’avoir une idée claire de ce qui constitue réellement le Big Data et de son potentiel en termes de mise en place et d’applications.

— Les décisions techniques structurantes relatives au développement, à l’architecture et à l’intégration d’un logiciel impactent fortement, et dans la durée, les coûts, la qualité et les performances d’une solution logicielle. Les modules d’aide à la décision quantitative possèdent des spécificités, notamment par la présence de fonctionnalités calculatoires très gourmandes en ressources machines (RAM et temps CPU) et l’utilisation de données complexes et volumineuses qui nécessitent des compétences spécifiques et une application toute particulière.

— La simulation de systèmes physiques complexes et la résolution de problèmes de grande taille requièrent des puissances de calcul bien supérieures à celles qui peuvent être obtenues avec un simple ordinateur de bureau. De plus, avec l’avènement du Big Data, l’exigence de performance computationnelle devient plus importante jour après jour. Le HPC (ou High Performance Computing) devient donc un outil incontournable pour l’industrie et la recherche d’aujourd’hui et de demain. Une grande partie de la formation sera dévolue à un travail d’implémentation sur cluster.

— La décarbonisation rapide du secteur électrique est une condition sine qua non de l’atteinte des objectifs climatiques ambitieux dont la plupart des États se sont dotés. Les techniques d’analyses quantitatives permettent l’analyse du rôle que peuvent jouer différentes options technologiques, des revenus que peuvent attendre les acteurs selon la structure des marchés, des risques auxquels sont soumis les développeurs de projets.

— La transition énergétique entraîne de nombreux bouleversements pour le système électrique, avec l’émergence de nouvelles formes de production plus dépendantes de la météo et plus décentralisées sur le territoire, ou encore de nouvelles formes de consommation, plus flexibles, et satisfaisant de nouveaux usages comme le véhicule électrique. A l’interface entre la production et la consommation, les réseaux sont au cœur du système électrique, et leurs opérateurs innovent eux aussi sans cesse pour accompagner la transition énergétique.