Algorithmique Avancée

Informations à propos de la formation

Pré-inscription

Intitulé de la formation : Algorithmique Avancée
Durée : 24 heures (12 semaines)
Mode :  Weekend sessions (les samedis)
Prochaine session : Avril 2026
Tarifs : 24000 DZD

TELEPHONE

0559 88 20 29

Email

contact@scitech-institution.com

Prénom
Nom
Téléphone
Email
Mode de paiement




Message
Le formulaire a été soumis avec succès !
Une erreur s’est produite lors de l’envoi du formulaire. Veuillez vérifier à nouveau tous les champs.

À propos de cette formation

Public cible

  • Étudiants en informatique ou disciplines techniques
  • Développeurs souhaitant renforcer leurs compétences en algorithmique
  • Professionnels de la Data Science, Machine Learning ou développement logiciel

Objectifs de la formation

Permettre aux participants de :

  • Maîtriser les concepts avancés d’algorithmique
  • Concevoir et analyser des algorithmes efficaces
  • Résoudre des problèmes complexes en informatique
  • Optimiser les performances des programmes

À la fin de la formation, les participants seront capables de développer des algorithmes performants pour des applications variées.

Compétences visées

  • Analyser la complexité des algorithmes
  • Maîtriser les structures de données avancées
  • Résoudre des problèmes d’optimisation et de graphes
  • Implémenter des algorithmes de tri, recherche et parcours efficaces
  • Concevoir des algorithmes récursifs et dynamiques

Thématiques de la formation (12 semaines / 24h)

1. Rappels et fondamentaux (4 h)
Objectifs spécifiques :
  • Revoir les bases de l’algorithmique et des structures de données
  • Préparer les fondations pour les algorithmes avancés
Contenu :
  • Complexité algorithmique : notations Big O, Big Θ, Big Ω
  • Récursivité et itérations
  • Tableaux, listes chaînées, piles, files
  • Algorithmes de base : tri, recherche
Activités :
  • Exercices de complexité et analyse d’algorithmes simples
  • Mini-projets de tri et recherche
2. Structures de données avancées (6 h)
Objectifs spécifiques :
  • Maîtriser les structures de données complexes et leur utilisation
  • Comprendre leur impact sur la performance des algorithmes
Contenu :
  • Arbres (binaires, AVL, B-trees)
  • Graphes (représentation, parcours BFS/DFS)
  • Tables de hachage et dictionnaires
  • File de priorité, tas (heap)
Activités :
  • Atelier pratique : implémentation d’un arbre binaire et parcours DFS/BFS
  • Exercices sur hash maps et tas
3. Algorithmes avancés (6 h)
Objectifs spécifiques :
  • Concevoir des algorithmes optimisés pour différents problèmes
  • Résoudre des problèmes classiques en informatique
Contenu :
  • Tri avancé et recherche : quicksort, mergesort, recherche binaire
  • Algorithmes de graphes : Dijkstra, Floyd-Warshall, Kruskal, Prim
  • Programmation dynamique : Fibonacci, sac à dos, chemin optimal
  • Algorithmes gloutons (greedy)
Activités :
  • Exercices d’implémentation et optimisation d’algorithmes
  • Études de cas : problème du plus court chemin et sac à dos
4. Techniques d’optimisation et complexité (4 h)
Objectifs spécifiques :
  • Optimiser les algorithmes pour réduire leur complexité
  • Évaluer et comparer différentes approches
Contenu :
  • Analyse de complexité temporelle et spatiale
  • Techniques de programmation efficace : mémoïsation, pruning
  • Introduction à l’algorithmique parallèle et concurrente
Activités :
  • Atelier : optimisation d’un algorithme récursif
  • Exercice : comparaison d’algorithmes sur différents datasets
5. Mini-projet algorithmique et synthèse (4 h)
Objectifs spécifiques :
  • Appliquer toutes les notions vues dans un projet complet
  • Résoudre un problème réel ou simulé de manière optimale
Contenu :
  • Définition du problème et choix des structures de données et algorithmes
  • Implémentation et tests
  • Présentation et analyse des performances
Activités :
  • Mini-projet individuel ou en groupe : résolution d’un problème complexe (graphes, optimisation, etc.)
  • Présentation finale et discussion sur les choix algorithmiques

Méthodologie

  • Alternance théorie et exercices pratiques
  • Études de cas et mise en situation réelle
  • Implémentations guidées et mini-projets
  • Analyse critique et optimisation des solutions

Évaluation

  • Évaluation continue : exercices pratiques et mini-cas
  • Évaluation finale : mini-projet algorithmique + présentation
  • Auto-évaluation : maîtrise des structures de données et algorithmes avancés

Évaluation et Assurance Qualité :

À la fin de chaque programme de formation, les participants recevront un formulaire d’évaluation et d’assurance qualité.


Retour en haut