Passer au contenu principal
catalogue.edulib.org
  • Cours
  • Institutions
  • Séries
  • Vous êtes ici :
  • Accueil
  • Cours
  • Recherche opérationnelle: optimiser ses décisions

Recherche opérationnelle: optimiser ses décisions

Réf. ROD1FR
CatégorieedXCatégorieIntelligence numérique et artificielleCatégorieGestionCatégorieAttestation payante
  • Durée : 5 semaines
  • Effort : 20 heures
  • Rythme : À votre rythme

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.

Partager sur FacebookPartager sur TwitterPartager sur LinkedinPartager par courriel

IVADO-ROD1FR+2T2025

Inscription
Du 1 mai 2025 au 30 avril 2026
Cours
Du 1 mai 2025 au 30 avril 2026
Langues
Français
S’inscrire maintenant

Description

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.

Objectifs

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.

Prérequis

Ce cours est de niveau intermédiaire et nécessite :

  • Connaissance de base en mathématiques.
  • Connaissance de base en programmation Python.

Plan du cours

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

Attestation

Le cours est entièrement gratuit. Cependant, une attestation de participation sera disponible moyennant certains frais pour tous ceux qui auront complété les diverses activités notées proposées. Cet achat soutiendra notre initiative et permettra la production de nouveaux contenus.

Autres sessions de cours

Archivé

  • H2023, inscription du 15 mars 2023 au 13 mars 2024
  • IVADO-ROD1FR+1T2023, inscription du 1 mai 2024 au 30 avril 2025

Équipe pédagogique

Darvish, Maryam

Catégories

Ph. D., professeure adjointe, Département d’opérations et systèmes de décision, 

Faculté des Sciences de l’Administration, Université Laval.

Séguin, Sara

Catégories

Ing., Ph. D., professeure adjointe, Département d’informatique et de mathématique,
Université du Québec à Chicoutimi
Membre GERAD

Gruson, Matthieu

Catégories

Ph. D., professeur, département d’analytique, opérations et technologies de l’information,
École des sciences de la gestion (ESG-UQAM)
Membre CIRRELT, CRI2GS

Bastin, Fabian

Catégories

Doctorat, Professeur titulaire, Département d’informatique et de recherche opérationnelle,
Université de Montréal
Membre CIRRELT, IVADO, Fin-ML

Legrain, Antoine

Catégories

Ing., Ph. D., professeur adjoint, Département de mathématiques et de génie industriel
Polytechnique Montréal
Membre CIRRELT, GERAD, IVADO

Chételat, Didier

Catégories

Didier CHÉTELAT, Ph.D. Chercheur, Département de mathématiques et de génie industriel,
Polytechnique Montréal
Membre GERAD, CIRRELT, CERC

Camby, Eglantine

Catégories

Ph.D., Chercheure postdoctorale, Département de sciences de la décision
HEC Montréal
Membre GERAD

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

Les contenus de ce cours sont disponibles sous la licence Creative Commons "CC BY-NC-ND"

Les contenus proposés sous cette licence autorisent une réutilisation (sans modifications) sous réserve de créditer l’auteur et hors usage commercial.

Organisations

IVADO

Université de Montréal

catalogue.edulib.org
FacebookPage TwitterPage LinkedIn

En savoir plus

  • À propos
  • Plan du site
  • Contactez-nous

2025 © EDUlib All Rights Reserved.

Propulsé par Richie & open edX