COURS // MET8130 Analytique prédictive d'affaires
Mes cours favoris
Ce système permet de sélectionner vos cours favoris en prévision de votre inscription qui se fait sur le portail étudiant.
| Trimestre | Cours | Groupe |
|---|
Description du cours
- Cycle : 2
- Nombre de crédits : 3
- Discipline : Management et technologie
Objectifs
L'objet d'étude de ce cours est l'incertitude qui est généralement présente dans la planification et la gestion des opérations des entreprises. À ce titre, les principales méthodes d'analytique prédictive, servant à aider les gestionnaires confrontés à des problématiques décisionnelles impliquant une part importante d'incertitude, seront à la fois présentées et illustrées sur des cas pratiques. Ainsi, les étudiants analyseront les sources d'incertitude et les risques présents pour les entreprises tant d'un point de vue global que spécifique, et formuleront certains des problèmes décisionnels les plus importants auxquels les entreprises sont confrontées. Le cours portera également sur un ensemble de technologies permettant l'application des méthodes vue en classe et visant à supporter les décisions organisationnelles.
À la fin du cours, les étudiants devraient :
- Être en mesure d'identifier et d'analyser les sources d'incertitude influençant les principales problématiques organisationnelles;
- Connaître les principales méthodes d'analytique prédictive et technologies servant à supporter les décisions en contexte d'incertitude;
- Être en mesure d'appliquer les méthodes et technologies à des problématiques particulières;
- Savoir interpréter et analyser les résultats obtenus à l'aide des méthodes et technologies développées.
Sommaire du contenu
Les thèmes abordés :
1.Problématiques : planification et incertitude ; modélisation de l'incertitude (probabilités et statistiques) ; propagation de l'incertitude dans les réseaux logistiques ; impact de l'incertitude sur la qualité des produits et services offerts ; fiabilité des systèmes (production/services);
2.Méthodes d'analytique prédictive: modèles de régression, théorie de la décision, modèles prévisionnels, chaînes de Markov, réseaux neuronaux et méthodes de classification.
3.Technologies : logiciels offrant des fonctionnalités d'analytique (e.g. EXCEL, SAS, R, etc.).
