This course aims to provide an understanding of fundamental concepts and learning types, while

enabling students to master and implement key algorithms such as linear regression, random forests,

and neural networks. It also seeks to develop practical skills for data analysis and building effective

predictive models.

Connaissances préalables recommandées

Students should master the basics of mathematics (linear algebra, differential calculus) and

programming (especially in Python). An understanding of statistics and fundamental concepts of data

systems is also recommended.

Ce module introduit les concepts fondamentaux de la modélisation et de la simulation des systèmes. Il présente les différents types de systèmes et de modèles, les méthodes de modélisation ainsi que les principales techniques de simulation. Une attention particulière est accordée à l’analyse et à l’évaluation des performances des systèmes à travers des modèles mathématiques et informatiques. Des travaux dirigés et pratiques permettent aux étudiants de mettre en œuvre les concepts étudiés à l’aide d’outils informatiques.

Objectifs de l’enseignement 
Le module vise à fournir aux étudiants une compréhension approfondie des méthodes d'optimisation et de modélisation des problèmes complexes. Les objectifs incluent l'apprentissage des techniques d'optimisation linéaire et non linéaire, la formulation de modèles mathématiques pour divers problèmes réels, et l'utilisation d'outils logiciels pour résoudre ces modèles et interpréter les résultats. 

Connaissances préalables recommandées  
Les étudiants doivent avoir des bases solides en mathématiques, notamment en algèbre linéaire et en calcul différentiel. Une compréhension des statistiques et des probabilités, ainsi qu'une expérience en programmation pour utiliser des logiciels d'optimisation, sont également recommandées.