À la fin de ce cours, les étudiants seront en mesure de comprendre comment l'incertitude des données affecte la prise de décision et pourquoi il est important de s'en prémunir. Comprendre le concept de la valeur d'une solution stochastique et la valeur attendue de l'information parfaite. Analyser et comprendre l'évolution du processus d'information et de décision. Concevoir des modèles mathématiques représentant la prise de décision en situation d'incertitude, à la fois dans un cadre statique et dynamique. Maîtriser les algorithmes de solution les plus répandus et être capable de sélectionner l'algorithme le plus approprié dans un contexte donné. Écrire des programmes informatiques pour mettre en œuvre des algorithmes de solution et être capable de planifier des expériences informatiques pour évaluer la qualité des solutions ou des politiques de décision obtenues.

• Formule classique : 13 séances hebdomadaires de 3 heures chacune
• Trois rapports à livrer pendant le déroulement du cours permettront de vérifier l’avancement des connaissances des étudiants. L’expertise développée au cours de la session sera vérifiée au moyen d’un examen final
• Plusieurs séances seront organisées sous forme d’ateliers afin d'accompagner les étudiants dans la rédaction de leurs rapports écrits
• Le site web du cours est mis à jour chaque semaine avec du nouveau matériel et des références. Le matériel consiste en plusieurs chapitres de livres et d'articles scientifiques. La plupart des ressources seront en anglais : il est attendu que les étudiants aient de très bonnes compétences en anglais

Afin de faire valider une absence à une évaluation en vue d’obtenir un examen de compensation, l’étudiante ou l’étudiant doit utiliser le formulaire prévu à cet effet dans son portail MonÉTS pour un examen final qui se déroule durant la période des examens finaux ou pour tout autre élément d’évaluation surveillé de 15% et plus durant la session. Si l’absence concerne un élément d’évaluation de moins de 15% durant la session, l’étudiant ou l’étudiante doit soumettre une demande par écrit à son enseignante ou enseignant.

Toute demande de validation d’absence doit se faire dans les cinq (5) jours ouvrables suivant la tenue de l’évaluation, sauf dans les cas d’une absence pour participation à une activité prévue aux règlements des études où la demande doit être soumise dans les cinq (5) jours ouvrables avant le jour de départ de l’ÉTS pour se rendre à l’activité.

Toute absence non justifiée par un motif majeur (voir articles 7.2.6.1 du RÉPC et 6.5.2 du RÉCS) entraînera l’attribution de la note zéro (0).

• Warren B. Powell (2022), "Sequential Decision Analytics and Modeling: Modeling with Python", Boston-Delft: now publishers, http://dx.doi.org/10.1561/9781638280835
• Warren B. Powell (2022), "Reinforcement Learning and Stochastic Optimization: A unified framework for sequential decisions", John Wiley and Sons, Hoboken

• Birge J.R. and Louveaux F., “Introduction to Stochastic Programming,” Springer, New York, 1997.

Voir le site moodle du cours.