Home Papers Cours  

 

Algorithmique-Programmation (1ère Année - 1er Semestre)

Ce module vise à donner les bases en algorithmique et programmation C++:

  • Décomposition de problèmes en sous-problèmes et actions simples
  • Types de données simples, opérateurs, expressions, instructions, choix, boucles
  • Types de données séquentiels, algorithmes de recherche, de parcours et de tri
  • Programmation modulaire, fonctions, portée, transmission des données
  • Chaînes et recherche de sous-chaînes
  • Types de données flux, algorithmes d'écriture et de lecture
  • Récursivité, types récursifs, algorithmes récursifs
  • Introduction à la correction et complexité algorithmique
Cours TD TP
1ère Partie
(Problèmes et algorithmes)
TD1 + Corrigé
(Parties 1-3 du cours)
TP1
(Parties 1-3 du cours)
2ème Partie
(Types simples, opérateurs, expressions, instructions, tests et boucles)
TD1-SUP
(Exercices supplémentaires)
TP2
(Parties 2-5 du cours)
3ème Partie
(Langage C++: compilation, données, opérateurs, instructions)
TD2 + Corrigé
(Parties 2-3 du cours)
TP3
(Parties 6-9 du cours)
4ème Partie
(Tableaux, accès, parcours, recherche et tri)
TD3 + Corrigé
(Parties 3-4 du cours)
DS 2012
5ème Partie
(Typage, énumérations, structures)
TD4 + Corrigé
(Parties 5-6 du cours)
DS1 + Corrigé
(Parties 1-3 du cours)
6ème Partie
(Fonctions et modules)
TD5 + Corrigé
(Parties 7-8 du cours)
DS2 + Corrigé
(Parties 4-5 du cours)
7ème Partie
(Chaînes, recherche de sous-chaînes)
TD6
(En cours de rédaction)
DS3 + Corrigé
(Parties 6-8 du cours)
8ème Partie
(Tableaux dynamiques, vecteurs et matrices)
Synthèse  
9ème Partie
(Flux, algorithmes de lecture et d'écriture)
Pseudocode
(Résumé du langage pseudo-code)
 
10ème Partie
(Définitions récursives, fonctions récursives, algorithmes récursifs)
C++
(Résumé du langage C++)
 

 

Apprentissage Automatique (Master)

Ce module intègre quelques bases en apprentissage automatique, ainsi que certains cours avancés (*):

  • Apprentissage de concepts simples (conjonctions et disjonctions)
  • Apprentissage d'arbres de décision et de listes de décision
  • Apprentissage de fonctions linéaires (Perceptron et Winnow) (M2)
  • Apprentissage de machines à vecteurs de support (Maximisation de marge et noyaux) (M2)
  • Introduction à l'apprentissage par renforcement (M2)
Cours TP
1ère Partie
(Apprentissage de concepts)
TP1 + Benchmarks
(Partie 1 du cours)
2ème Partie
(Apprentissage d'arbres et de listes de décision)
TP2
(Partie 2 du cours)