Les sujets, abordés dans ce volet du site, se veulent liés à l'informatique, sur des sujets ayant souvent attraits à l'algorithmique ou des problèmes présentant une certaine esthétique. Cette partie se différencie un peu de la pédagogie proposée par ce site web en proposant des sujets plus avancés que ceux vus en secondaire.

---

• Éléments de complexité : Définitions des notions de base en complexité et rapide survol des diverses notions qui peuvent être connexes pour se poser toujours plus de questions !
• Modèles de calcul : Mais, au fond, qu'est-ce qu'un modèle de calcul ? Quelles sont les grandes familles ?
• Sélection et tri partiel : Comment peut-on afficher les 10 premiers résultats d'une recherche ou les résultats attachés à la 3e page ? Une solution consiste à effectuer un tri partiel afin de sélectionner les éléments désirés.
• Introduction à l'IO complexity : On peut étudier des algorithmes selon de nombreus aspects. Un des champs de l'algorithmique se concentre sur la mesure de la complexité non en terme d'opérations mais en terme d'échanges de données. Ces modèles de calcul ont gagné d'autant plus d'intérêt avec l'avènement du Big Data et la quantité de données à traiter toujours plus élevée
• Introduction aux algorithmes en streaming : Comment traiter un flux de données si gros qu'il ne peut être stocké ? Ce genre de problèmes connaît un franc succès grâce au Big Data et les quantités astronomiques de données difficilement stockables
• Complexité amortie, optimalité et stratégie : Au lieu d'étudier la complexité liée à une opération en particulier, pourquoi ne pas regarder un ensemble d'opérations et les interactions qu'elles peuvent avoir ?
• Modèle de calcul GPU : Comment programme-t-on sur GPU ? Quelles sont les différences avec un CPU ?
• Sanctions économiques: de l'action, des chaînes et des tas de données : Étude de cas sur la mise en œuvre de la législation européenne relative aux sanctions économiques.
• Résolution d'entité: entity resolution (ER) : Comment trouver que deux textes parlent d'un même et unique individu ?
• Gestion des données maîtres ou de référence: Master Data Management (MDM) : Une fois avoir trouvé le même individu dans deux textes différents, comment combiner cette information ?
• Régularisation, lasso, ridge, elastic net : Comment réduire l'erreur de généralisation dans les modèles linéaires grâce à la régularisation ?
• Vote électronique ou vote papier : Une question uniquement de confiance ?
• De Qlik à Power BI: de la data gouvernance et un data lake (1/2) : Rétrospective sur la mise en place d'un data lake et des principes de gouvernance de la donnée dans le cadre d'une migration de Qlik vers Power BI. Et comment faire des économies en même temps que de l'écologie !
• De Qlik à Power BI: restrospective métier (2/2) : Rétrospective métier de la mise en place d'une gouvernance de la donnée et de la mise en place d'un data lake.
• De Qlik à Power BI: retrospective technique (2/2) : Rétrospective métier de la mise en place d'une gouvernance de la donnée et de la mise en place d'un data lake.