[{"command":"insert","method":null,"selector":".course-modal-ajax-placeholder-968810","data":"\u003Cdiv class=\u0022container content-rte\u0022\u003E\n  \u003Cdiv class=\u0022row\u0022\u003E\n    \u003Cdiv class=\u0022box col-md-6 bg-primary text-white\u0022\u003E\n      \u003Ch2 class=\u0022h1 text-left\u0022\u003E  R\u00e9duction de mod\u00e8les et de donn\u00e9es\n\u003C\/h2\u003E\n                  \u003Cdiv class=\u0022field-spacing\u0022\u003E\n        \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EECTS :\n          3\n        \u003C\/div\u003E\n      \u003C\/div\u003E\n                  \u003Cdiv class=\u0022field-spacing\u0022\u003E\n        \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ESemestre calendaire :\n          Semester 1\n        \u003C\/div\u003E\n      \u003C\/div\u003E\n            \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ED\u00e9tail du volume horaire\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                          \u003Cspan class=\u0022field__label h4 mt-5 \u0022\u003ECours magistraux :\u003C\/span\u003E\n                                      \u003Cspan\u003E22\u003C\/span\u003E\n                      \u003C\/div\u003E\n                                \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                          \u003Cspan class=\u0022field__label h4 mt-5 \u0022\u003ETravaux pratiques :\u003C\/span\u003E\n                                      \u003Cspan\u003E8\u003C\/span\u003E\n                      \u003C\/div\u003E\n                                                                          \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ELangue d\u0026#039;enseignement\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003EAnglais\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EEnseignement \u00e0 distance\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003Enon\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n      \u003C\/div\u003E\n    \u003Cdiv class=\u0022box col-md-6\u0022\u003E\n            \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EPr\u00e9requis\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003EM\u00e9canique des milieux continus, m\u00e9thodes des \u00e9l\u00e9ments finis, analyse fonctionnelle, alg\u00e8bre lin\u00e9aire, analyse math\u00e9matique des EDPs, notions de programmation.\u003C\/p\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n                \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EObjectifs d\u0026#039;apprentissage\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003ELa simulation num\u00e9rique et, plus r\u00e9cemment, les donn\u00e9es massives prennent une place essentielle dans de nombreux domaines scientifiques. Cependant, les mod\u00e8les haute fid\u00e9lit\u00e9 que souhaitent manipuler les ing\u00e9nieurs et les chercheurs restent souvent hors de port\u00e9e des moyens de calcul actuels (tr\u00e8s grand nombre de degr\u00e9s de libert\u00e9 et de param\u00e8tres, non lin\u00e9arit\u00e9s, n\u00e9cessit\u00e9 d\u2019une r\u00e9ponse en temps r\u00e9el\u2026). La r\u00e9duction de mod\u00e8les et celle des donn\u00e9es sont devenues en quelques ann\u00e9es des outils indispensables pour d\u00e9velopper des m\u00e9thodes de calcul hautes performances originales et\/ou analyser des donn\u00e9es massives, qu\u2019elles soient issues de simulations ou d\u2019exp\u00e9riences. L\u2019objectif de ce cours est de pr\u00e9senter les concepts de base des techniques de r\u00e9duction d\u2019ordre ainsi que leur mise en \u0153uvre pratique.\u003C\/p\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EOrganisation g\u00e9n\u00e9rale et modalit\u00e9s p\u00e9dagogiques\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003ECe cours abordera quelques-unes des techniques de r\u00e9duction d\u2019ordre les plus populaires actuellement, ainsi que les algorithmes classiques associ\u00e9s \u00e0 ces strat\u00e9gies. En particulier, on s\u2019int\u00e9ressera \u00e0 la r\u00e9duction de donn\u00e9es en lin\u00e9aire et non lin\u00e9aire (PCA, kernel PCA\u2026). On introduira ensuite les m\u00e9thodes de r\u00e9solution d\u0027EDPs bas\u00e9es sur la Proper Orthogonal Decomposition (POD), les Reduced-Bases (RB) et la Proper Generalized Decomposition (PGD). On d\u00e9veloppera l\u2019utilisation de ces m\u00e9thodes de r\u00e9solution dans le cadre lin\u00e9aire et non lin\u00e9aire.\u003C\/p\u003E\n\u003Cp\u003ELe cours sera accompagn\u00e9 d\u2019un projet num\u00e9rique durant lequel les \u00e9tudiants mettrons en \u0153uvre et coderont certaines de m\u00e9thodes de r\u00e9duction de mod\u00e8les vues en cours afin de d\u2019examiner et de comparer leurs performances dans quelques situations mod\u00e8les.\u003C\/p\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003EModalit\u00e9s p\u00e9dagogiques particuli\u00e8res\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003E\u003Cp\u003E[1] Separated Representations and PGD-Based Model Reduction: Fundamentals and Applications. CISM International Centre for Mechanical Sciences, F. Chinesta, P. Ladev\u00e8ze (Eds.), Vol. 554, 2014. [2] A.T. Patera and G. Rozza, Reduced Basis Approximation and a Posteriori Error Estimation for Parametrized Partial Differential Equations, Version 1.0, Copyright MIT 2006, to appear in (tentative rubric) MIT Pappalardo Graduate Monographs in Mechanical Engineering. [3] S. Volkwein, Proper Orthogonal Decomposition : Theory and Reduced-Order Modelling, Lecture Notes 2013, University of Konstanz\u003C\/p\u003E\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n                        \u003Cdiv class=\u0022field-spacing\u0022\u003E\n      \u003Cdiv class=\u0022field__label h3 dash\u0022\u003ENature de l\u0026#039;\u00e9valuation\u003C\/div\u003E\n                        \u003Cdiv class=\u0022mt-5 text-justify\u0022\u003E\n                                      \u003Cspan\u003EEvaluation Continue non Int\u00e9grale\u003C\/span\u003E\n                      \u003C\/div\u003E\n                  \u003C\/div\u003E\n      \u003C\/div\u003E\n  \u003C\/div\u003E\n\u003C\/div\u003E\n","settings":null}]