L'ouvrage : niveau C (Ecoles d'ingénieurs, Masters). Cet ouvrage est un véritable guide de bonnes pratiques en Programmation par contraintes (PPC). Il développe un ensemble de démarches permettant de proposer des modèles efficaces pour des problèmes d'optimisation complexes. La PPC est une alternative à la programmation linéaire. Elle offre la possibilité d'agir sur la manière dont le solveur recherche une solution. Elle permet de concevoir des modèles tirant profit des spécificités du problème et des points forts des solveurs PPC. Les outils et les raisonnements présentés dans le livre s'adressent à un vaste public, d'ingénieurs de chercheurs et d'étudiants. Les exemples variés analysés sont essentiellement des problèmes d'optimisation de type ordonnancement/transport réalisés avec le solveur Choco. Sont présentées pour chacun une modélisation mathématique et une modélisation PPC. Les codes proposés, et disponibles en téléchargement, ont été réalisés en Java avec l'environnement NetBeans. Ce livre complète l'ouvrage des mêmes auteurs paru en 2019 De la programmation linéaire à la programmation par contraintes qui proposait une approche pragmatique de la PPC.

Programmation par contraintes - Démarches de modélisation pour l'optimisation

L'ouvrage : niveau B (Ecoles d'ingénieurs - Masters). Cet ouvrage propose une découverte pragmatique du Machine Learning à travers des exemples implémentés. Il constitue une introduction à différentes méthodes permettant aux étudiants de DUT, de licence, des écoles d'ingénieurs et aux chercheurs de découvrir plusieurs aspects du domaine. Le domaine du Machine Learning couvre un large spectre d'outils et de méthodes. Cet ouvrage fait un focus particulier sur les réseaux de neurones, les réseaux Bayésiens, les méthodes de classification, le pattern mining et les séries temporelles. La découverte s'effectue en utilisant des bibliothèques dédiées au Machine Learning, notamment TensorFlow, Keras, pyAgrum et Weka. Les exemples du livre sont essentiellement des problèmes qui ont été tirés des domaines d'expertise des auteurs. Les codes informatiques sont proposés en Python, en C et en Java, car les domaines où le Machine Learning est utile sont très nombreux et il est important d'avoir une vue globale de ce qu'il est possible de faire avec les outils récents.

Livres