Structures de données, algorithmique et apprentissage
Public Concerné
Etre admis.e à la préparation à l'agrégation d'Informatique.
Objectifs pédagogiques
Préparer les agrégatifs à passer dans les conditions les plus favorables les épreuves écrites et orales du concours de l'agrégation d'informatique.
Capacité et compétences acquises
Enseigner les structures de données, l'algorithmique et l'intelligence artificielle dans les lycées, classes préparatoires et premières années de l'enseignement supérieur.
Contenu de la formation
Structures de données : types et abstraction, structures de données séquentielles, structures de données hiérarchiques (arbres binaires, tas, union & find), structures de données relationnelles (graphes).
Algorithmique :
Algorithmes probabilistes (Las Vegas et Monte Carlo) et d'approximation (pour les problèmes de décision et d'optimisation)
Algorithmes de séparation et évaluation
Décomposition d'un problème en sous-problèmes : Algorithmes gloutons, diviser pour régner, dichotomie (algorithmes de tri), programmation dynamique.
Algorithmique des textes : algorithmes pour la recherche dans un texte et la compression de textes
Algorithmique de graphes : parcours de graphes, plus courts chemins (Algorithme de Dijkstra et de Floyd-Wharshall), recherche d'un arbre couvrant de poids min, notions de chemins augmentants avec introduction aux problèmes de flots.
Intelligence artificielle : Mesures de similarité pour l'apprentissage machine, données d'entraînement et données de test, choix des descripteurs, enjeux d'éthique (biais d'apprentissage, transparence), concepts d'apprentissage supervisé et non-supervisé, de stratégies et d'heuristiques.
Algorithmique :
Algorithmes probabilistes (Las Vegas et Monte Carlo) et d'approximation (pour les problèmes de décision et d'optimisation)
Algorithmes de séparation et évaluation
Décomposition d'un problème en sous-problèmes : Algorithmes gloutons, diviser pour régner, dichotomie (algorithmes de tri), programmation dynamique.
Algorithmique des textes : algorithmes pour la recherche dans un texte et la compression de textes
Algorithmique de graphes : parcours de graphes, plus courts chemins (Algorithme de Dijkstra et de Floyd-Wharshall), recherche d'un arbre couvrant de poids min, notions de chemins augmentants avec introduction aux problèmes de flots.
Intelligence artificielle : Mesures de similarité pour l'apprentissage machine, données d'entraînement et données de test, choix des descripteurs, enjeux d'éthique (biais d'apprentissage, transparence), concepts d'apprentissage supervisé et non-supervisé, de stratégies et d'heuristiques.
Description des modalités de validation
- Contrôle continu
- Examen final
En alternance ou en formation continue en journée :
Merci de consulter directement le secrétariat pédagogique de votre formation pour obtenir le planning.
En formation « à la carte Hors Temps de Travail », en présentiel, à distance ou hybride :
Voir les dates, les lieux d'enseignement et les modalités d'inscription sur les sites internet des centres régionaux qui proposent cette formation.
