Teaching


TÉLÉTRAFIC (TTR)

Je donne le cours + labo Télétrafic (TTR) en S5 2017, remplaçant Prof Stephan Robert qui est en congé sabbatique. Ce cours a été principalement préparé par lui.

Les objectifs du cours sont:

  • Savoir utilliser Matlab pour simuler des systèmes de files d’attente
  • Modéliser un problème à l’aide de l’approche Markovienne
  • Savoir calculer les caractéristiques d’un système à pertes (M/M/1, M/M/m,…)
  • Savoir calculer les caractéristiques d’un système à attente (Erlang, Engset)
  • Savoir appliquer la théorie vue au dimensionnement d’un serveur applicatif (Web, réseaux mobiles)

Cours 2017-18

1. Horaire

horaire en pdf (révision 01.12.17)

  Date Cours Salle B01a Laboratoire Salle B30  
S1 18 sept 2017 Lundi du jeûne ---
S2 25 sept   Labo 0 Introduction to Matlab
S3 02 oct Cours 0   Introduction to Matlab
S4 09 oct   Labo 1 Simulation des variables aléatoires
  16 oct Vacances d’automne ---
S5 23 oct Cours 1    Chaînes de Markov discrètes
S6 30 oct   Labo 2 (avec rapport écrit pour le 10.11)  Simulation des chaînes de Markov
S7 06 nov Cours 2    Chaînes de Markov discrètes
S8 13 nov   Labo 3 (avec rapport écrit pour le 07.12)  Simulation des chaînes de Markov (2)
S9 20 nov Cours 3    Chaînes de Markov discrètes + Exercice 1
S10 27 nov TRAVAIL ECRIT 1    
S11 04 déc Cours 4    Chaînes de Markov continues
S12 11 déc Cours 5    Files d'attente
S13 18 déc Cours 6    Files d'attente
  25 déc Vacances de noël ---
  01 jan 2018 Vacances de noël ---
S14 08 jan   Labo 4 (avec rapport écrit pour le 19.01)  
S15 15 jan Cours 7    Révision
S16 22 jan TRAVAIL ECRIT 2    

 

2. Cours

  • Introduction à Matlab
  • Introduction aux systèmes de files d’attente, avec ou sans pertes (notations, loi de Little)
  • Rappel de probabilité (distributions exponentielles, de Bernoulli, de Poisson, de Pareto)
  • Chaînes de Markov discrètes et continues
  • Files d’attente simples M/M/1, M/M/m,…
  • Files d’attente à pertes M/M/m/K, Erlang B, Erlang C, Engset
  • Limitation de la modélisation avec Poisson. Trafic observé sur Internet.

3. Slides

4. Exercices

Laboratoires 2017-18

1. Laboratoires

  • Labo 0: Introduction à MATLAB / Octave (25 sept)
  • Labo 1: Simulation de variables aléatoires (09 oct)
  • Labo 2: Simulation des chaînes de Markov (30 oct)
  • Labo 3: Simulation des chaînes de Markov(2) (13 nov)
  • Labo 4: Simulation des files d'attente (08 jan)

Références

 

 


MACHINE LEARNING

HEIG-VD - SNU summer university course in Machine Learning (2016)