Analyse Numérique 2 est un cours destiné aux étudiants de troisième année du cycle ingénieur en Informatique (ING 3 IA Informatique) à l'USTHB. Il nécessite des connaissances préalables en Analyse et en Algèbre.
Le cours vise à doter les étudiants d'algorithmes permettant de résoudre des problèmes spécifiques en ingénierie informatique, à analyser ces algorithmes en termes de rapidité, de précision et de flexibilité, et à estimer les erreurs dans les modèles mathématiques ainsi que dans leur implémentation.
Le contenu est organisé en trois chapitres :
- Différentiation et Intégration Numériques,
- Calcul Numérique des Valeurs Propres et Vecteurs Propres — couvrant la localisation des vecteurs propres, la méthode de la puissance, la méthode de la puissance inverse et la méthode QR avec applications — et
- Équations Différentielles, incluant la méthode d'Euler explicite, la méthode de Taylor, la méthode de Runge-Kutta et les méthodes multi-pas. Les compétences pratiques sont renforcées par trois séries de travaux dirigés (TD) de 6 heures chacune.
La charge horaire hebdomadaire est de 1h30 de cours et 1h30 de travaux dirigés. L'évaluation combine contrôle continu (40 %) et examen semestriel (60 %). Le cours s'appuie sur une bibliographie de six ouvrages de référence en analyse numérique, notamment des travaux de Rappaz & Picasso, Reddy, Ascher & Petzold, Fortin, Filbet, ainsi que Benhamadou & Jeribi.
- Teacher: a.rezzag REZZAG Abdelkrim
Introduction to Artificial Intelligence and Machine Learning (Intro2AI&ML) is a Master 1 Computer Science course (3 credits, coefficient 2). It takes students from being intuitive users of AI tools to designers who understand what happens under the hood: how a dataset is structured, what a model is, how a cost function measures error, and how a learning algorithm adjusts the model to minimize it. The course is organized into two learning units, namely supervised learning (dataset, model, cost function, gradient descent) and neural networks (from the biological neuron to the perceptron), illustrated with concrete examples (house price prediction, MNIST handwritten digit recognition) and put into practice through Python lab sessions. Each unit includes its objectives, resources, exercises, and a self-corrected quiz with immediate feedback. Assessment: continuous lab work (40%) and a written exam (60%). A placement test at the start of the semester allows students to check their prerequisites (Python, linear algebra, probability) and access remediation resources if needed.
- Teacher: Hamza labbaci hamza
- Teacher: zgaci GACI ZOUBIR
- Teacher: wnessab NESSAB Walid
- Teacher: seridi nabila seridi nabila
- Teacher: shaddadi shaddadi
- Teacher: ylakhdari yahia abdelhamid lakhdari
you will learn how to build a generative model that we can generate specific types of data from,
this is -of course- depending on the data used for training. This model will be parametrized and based
on the data we will try to estimate the best parameters such that the proposed distribution (The model)
will be close as as possible to the real distribution of the training data. We will use quantum
measurement operators we find such distribution.
- Teacher: Bberrabah BERRABAH Badri
Le zooplancton occupe une place centrale dans les réseaux trophiques aquatiques, assurant le transfert de matières et d'énergie issues des producteurs primaires (phytoplancton) vers les niveaux trophiques supérieurs (poissons).
- Teacher: sbidi bidi safia
Des problèmes souvent mathématiquement complexes apparaissent dans l'étude des phénomènes électromagnétiques, photoniques et optiques. Pour des structures courantes (guide d'ondes, fibre optique, cavité résonante, diffraction...), des fonctions mathématiques spéciales doivent être évaluées: Fonctions de Bessel, de Hankel, de Neumann, le sinus intégral, l'intégrale de Fresnel…). Les problèmes électromagnétiques peuvent être décrits par des équations intégrales ou différentielles. Leurs résolutions s'appuient sur la prise en compte des conditions aux limites et peut utiliser des méthodes comme la méthode des différences finies ou la méthodes des éléments finis. Nous nous focaliserons en particulier sur la résolution d’équations intégrales en statique et en dynamique pour l'analyse des structures planaires rayonnantes grâce à la méthode des moments dans le domaine spectrale, celle-ci dérivant de la méthode des éléments finis. Il est également possible, sous certaines conditions, d'utiliser l’approximation d’optique géométrique (lois de Snell-Descartes, ...) qui reste une approche efficace et pratique.
1- Méthodes d’évaluation numérique des fonctions spéciales de l’électromagnétisme (Bessel, Hankel, Neumann, sinus intégral, intégrale de Fresnel…)
2- Représentation des problèmes électromagnétiques par équations intégrales et différentielles
3- Résolution d’équations intégrales en statique
4- Résolution d’équations intégrales en dynamique
5- L’approximation d’optique géométrique
- Teacher: bberbar bberbar