> Formations > Technologies numériques > Développement logiciel > Autres langages > Formation Algorithmique avancée

Formation : Algorithmique avancée

Algorithmique avancée

Télécharger au format pdf Partager cette formation par e-mail 2

Télécharger au format pdf Partager cette formation par e-mail 2

Ce cours présente les grandes familles d’algorithmes.


Inter
Intra
Sur mesure

Cours pratique en présentiel ou en classe à distance

Réf. AGR
Prix : 2970 € H.T.
  5j - 35h00




Ce cours présente les grandes familles d’algorithmes.

Objectifs pédagogiques
À l’issue de la formation, le participant sera en mesure de :
  • Connaître les principaux algorithmes de compression des données
  • Connaître les principaux algorithmes de cryptographie
  • Comprendre le principe et l’utilité des algorithmes stochastiques
  • Connaître les grands principes des algorithmes répartis et leur utilité
  • Connaître le principe et l’utilité des algorithmes adaptatifs
  • Connaître le principe des algorithmes émergents

Public concerné
Développeurs d’application.

Prérequis
Connaître l'algorithmique de base, les structures de données et la programmation impérative.

Programme de la formation

Algorithmes de compression des données

  • Le codage de Huffman.
  • L’algorithme Lempel-Ziv.
Travaux pratiques
Rédaction d’un algorithme de compression.

Algorithmes de cryptographie

  • Algorithmes de cryptographie symétrique (à clef secrète).
  • Algorithme de cryptographie asymétrique (à clefs publique et privée). Algorithme RSA.
Travaux pratiques
Présentation des algorithmes utilisés dans la couche de chiffrement SSL.

Algorithmes heuristiques et méta-heuristiques

  • Notion d’heuristique. Algorithmes d’IA utilisant des heuristiques.
  • Exemple de méta-heuristique.

Les algorithmes stochastiques

  • Méthode de Monte-Carlo, exemples d’utilisation.
  • Algorithme du recuit simulé pour obtenir les extrema d’une fonction. Exemple d’utilisation.
  • Retour sur les méta-heuristiques : algorithmes à estimation de distribution, algorithmes à stratégies d'évolution.
  • Algorithmes génétiques pour obtenir les extrema d’une fonction (optimisation combinatoire).
Travaux pratiques
Écriture d’un algorithme stochastique pour l’évaluation d’une probabilité.

Algorithmique répartie

  • Les concepts de base : message, vague, anneau/jeton, estampille.
  • Calcul d’un arbre de recouvrement à partir d’un centre, en utilisant les vagues.
  • Synchronisation de producteurs et de consommateurs.
  • L’algorithme Map/Reduce et son utilisation dans le big data.
Travaux pratiques
Conception d’un algorithme réparti simple.

Algorithmes adaptatifs

  • Exemple des QCM adaptatifs.
  • Algorithme d’apprentissage par die and retry.
Travaux pratiques
Écriture d’un programme statfull.

Les réseaux de neurones

  • Les algorithmes émergents.
  • Principe des réseaux de neurones avec apprentissage supervisé.
  • Domaines d’utilisation des réseaux de neurones.


Modalités pratiques
Travaux pratiques
Formation alternant théorie et pratique.

Modalités d'évaluation
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.