Sciences naturelles et génie; Sciences appliquées
Kimberly Yu
Optimization; Mixed-Integer Programming
- Professeure adjointe
-
Faculté des arts et des sciences - Département d'informatique et de recherche opérationnelle
Portrait
Affiliations et responsabilités
Enseignement et encadrement
Enseignement
Cours siglés (session en cours uniquement)
Programmes
- 117510 – Baccalauréat en informatique
- 117520 – Majeure en informatique
- 117540 – Mineure en informatique
- 119010 – Baccalauréat en mathématiques
- 119020 – Majeure en mathématiques
- 119040 – Mineure en mathématiques
- 119110 – Baccalauréat en mathématiques et informatique
- 119110 – Baccalauréat en mathématiques et informatique
- 120010 – Baccalauréat en physique
- 120020 – Majeure en physique
- 120510 – Baccalauréat en physique et informatique
- 120510 – Baccalauréat en physique et informatique
- 124161 – Microprogramme de 1er cycle en analyse des mégadonnées en sciences humaines et sociales
- 146811 – Baccalauréat en bio-informatique
- 146811 – Baccalauréat en bio-informatique
- 183412 – Baccalauréat en enseignement des mathématiques au secondaire
- 217510 – Maîtrise en informatique
- 217512 – DESS en apprentissage automatique
Projets
Projets de recherche
2024
- 2030
Theory and Algorithms for Mixed-Integer Nonlinear Programming
Chercheur principal :
Kimberly Yu
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention :
PVXXXXXX-(DGECR) Tremplin vers la découverte
2024
- 2030
Theory and Algorithms for Mixed-Integer Nonlinear Programming
Chercheur principal :
Kimberly Yu
Sources de financement :
CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention :
PVX20965-(RGP) Programme de subvention à la découverte individuelle ou de groupe
Rayonnement
Publications et communications
Disciplines
- Informatique
Champ d’expertise
- Programmation non linéaire
- Informatique théorique
Aide en ligne pour votre profil | Nous joindre
Le Répertoire des professeurs est propulsé par les données du SADVR et est un projet du CENR.