Algorithmes d'approximation, partie 2 Ce cours est la suite du cours Algorithmes d'approximation, partie 1. Ici, vous apprendrez la dualité de programmation linéaire appliquée à la conception de certains algorithmes d'approximation, et la programmation semi-définie appliquée à Maxcut. En suivant les deux parties de ce cours, vous serez exposé à un éventail de problèmes aux fondements de l'informatique théorique, et à de puissantes techniques de conception et d'analyse. A la fin du cours, vous serez capable de reconnaître, face à un nouveau problème d'optimisation combinatoire, s'il est proche d'un des quelques problèmes de base connus, et vous serez capable de concevoir des relaxations de programmation linéaire et d'utiliser l'arrondi aléatoire pour tenter de résoudre votre propre problème. Le contenu du cours, et en particulier les devoirs, est de nature théorique et ne comporte pas d'exercices de programmation.
Algorithmes d'approximation - Partie II
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
47 avis
4 semaines à compléter
à 10 heures par semaine
Planning flexible
Apprenez à votre propre rythme
Compétences que vous acquerrez
- Catégorie : Optimisation du modèle
- Catégorie : Modélisation mathématique
- Catégorie : Mathématiques appliquées
- Catégorie : Probabilité
- Catégorie : Algèbre linéaire
- Catégorie : Modèle de réseau
- Catégorie : Mathématiques avancées
- Catégorie : Théorie des graphes
- Catégorie : Informatique théorique
- Catégorie : Algorithmes
- Catégorie : Combinatoire
- Catégorie : Probabilités et statistiques
- Catégorie : Recherche opérationnelle
Détails à connaître
Enseigné en Anglais
91%
of learners achieved a positive career outcome
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Il y a 4 modules dans ce cours
Instructeur
Offert par
En savoir plus sur Algorithmes
École normale supérieure
28DIGITAL
University of Colorado Boulder
Princeton University
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Avis des étudiants
- 5 stars
87,23 %
- 4 stars
6,38 %
- 3 stars
4,25 %
- 2 stars
2,12 %
- 1 star
0 %
Affichage de 3 sur 47
RA
Révisé le 13 mars 2016
It is remarkable to note that Professor Claire Mathieu explains such a complex subject in such a elegant and understandable manner.
AP
Révisé le 27 oct. 2016
Demanding course with lots of great algorithm concepts based on Linear Programming.
PV
Révisé le 15 févr. 2017
Even better than the first! Very good classes (except for the two first of week 3 ...)
Foire Aux Questions
Plus de questions
Aide financière disponible,
¹ Certains travaux de ce cours sont notés par l'IA. Pour ces travaux, vos Données internes seront utilisées conformément à Notification de confidentialité de Coursera.