Le Solutionneur – Premier logiciel de génération automatique d’horaires pour les écoles du Québec


Le Solutionneur est la solution performante et accessible en génération automatisée d’horaires maîtres pour les écoles du Québec. Le Solutionneur est offert à l’ensemble des écoles secondaires et primaires de la province.

 
Le Solutionneur permet de générer automatiquement les horaires des élèves et des enseignants des écoles secondaires. Il tient compte de l’ensemble des contraintes propres aux polyvalentes québécoises et s’intègre aux applications corporatives utilisées dans les commissions scolaires.
 
Développé conjointement par le CRIM et la Commission scolaire de Laval, il s’agit de l’unique outil automatisé de confection d’horaires adapté aux particularités du système scolaire québécois. Le logiciel utilise des approches mathématiques et des implémentations logicielles de pointe pour traiter la complexité élevée du problème. Consultez la fiche-projet
 
 

 

Soyez maîtres de vos horaires !

Pour découvrir tous les avantages du Solutionneur ou pour en faire l'essai : 
 
Partenaire : Commission scolaire de Laval
 

Ce projet a remporté le Prix OCTAS Solution d’affaires – Développement à l’interne 2010, décerné par le Réseau Action TI, conjointement à la Commission scolaire de Laval et au CRIM.

Équipes

Nouvelles récentes

  • Blogue du CRIM - Manipuler les variables catégoriques dans un jeu de données
    12/07/2018

    Dans cet article, Farooq Sanni et Martin Sotir nous présentent différentes méthodes et astuces pour gérer les variables catégoriques.

    +

Événement à venir

  • QRS - SSCPS - IA 2018
    20/07/18 0h00
    Lisbonne, Portugal
    Le CRIM présentera trois articles scientifiques au QRS 2018.
    +
  • Cet été, découvrez les experts du CRIM via la série "Portraits d'experts", réalisée avec @Mathysc ! #3: Lise Rebout… https://t.co/fjCqdcoKFC
  • C'est par ici > https://t.co/DG7Btp4qs8 https://t.co/8qryDAQq06

Publications récentes

  • Towards Automatic Feature Extraction for Activity Recognition from Wearable Sensors: A Deep Learning Approach

    +
  • État des lieux des technologies web

    +