Niveau d'étude visé
BAC +5
Langue(s) d'enseignement
Français, Anglais
Présentation
La mention économétrie-statistiques a pour vocation de former des Data Scientists de haut niveau. Elle est organisée autour de l’idée qu’un Data Scientist doit d’abord être un bon économètre-statisticien. Le Master 1 économétrie-statistiques va donc proposer une solide formation en économétrie-statistiques et en programmation. Le Master 1 est organisé autour de plusieurs piliers : i) Econométrie théorique, ii) Econométrie appliquée, iii) Langages de programmation (SAS, SAS/IML, Python, R,…), iv) Mineure en économie ou en finance, v) Stage de fin d’année. Le Master débouche sur deux Masters 2 de Data Science, le TIDE et le MoSef. Le Master 1 économétrie-statistiques et le Master 2 MoSEF sont adossés au même laboratoire de recherche, le Centre d’Economie de la Sorbonne (CES, UMR8174, axe Finance et Modélisation). Le Master 2 TIDE est adossé au laboratoire Statistiques, Analyses et Modélisations Multidisciplinaires (SAMM). Ces deux laboratoires ont une forte expertise dans le domaine des statistiques, de l’économétrie et de la Data Science, tant au niveau théorique, qu’empirique. Le Master 1 s’adresse principalement à des étudiants ayant juste terminé une L3 en économie, éco-maths, (MIASHS), mathématiques. Une double-licence ou un parcours Erasmus est apprécié. La formation est ouverte aux ENS, avec laquelle elle a un partenariat.
40
Capacité d'accueil (en chiffre)
le taux de réussite est voisin de 100 %
Taux de réussite
Objectifs
Former des économètres/statisticiens/Data Scientists de haut niveau gardant un environnement économique et souhaitant évoluer vers les métiers de la modélisation, de l'analyse quantitative, des sciences données en général, dans des secteurs d’activité très variés : banque-assurance, santé, consulting, marketing, fonction publique,…Une partie de l’année étant validée par des projets et par un stage, le M1 est basé sur le triptyque : Acquisition d’outils, mise en pratique, opérationnalité. Avec plus de 132 heures sur machine, l’étudiant doit être opérationnel en fin de M1.
Savoir-faire et compétences
Dans :
1/ Les domaines statistiques et économétriques, tant au niveau théorique qu’empirique,
2/ Les différents langages de programmation, comme Python ou SAS,
3/ La manipulation, l'analyse et le traitement de jeux de données,
4/ La modélisation de phénomènes complexes dans des secteurs variés,
5/ L'analyse de problématiques complexes et l’évaluation de la pertinence des techniques employées.
Les + de la formation
1/ Un équipe enseignante soudée ayant une très forte expertise dans les domaines enseignés,
2/ Une association dynamique assurant la vie de la classe,
3/ Une expertise reconnue dans les domaines de la Data,
4/ Un excellent positionnement sur un secteur très porteur,
5/ Une promotion à taille humaine,
6/ Caractère opérationnel en fin de M1.
Organisation
Contrôle des connaissances
La validation de l'année se fait sous forme de projets par groupes et par partiels.
Stages
Stage | Obligatoire |
|---|---|
Stage à l'étranger | Facultatif |
Membres de l’équipe pédagogique
Directeur du Master 1 Econométrie-Statistiques : Philippe de Peretti, Philippe.de-Peretti @ univ-paris1.fr
Directeur de la mention : Marc-Arthur Diaye, marc-arthur.diaye@univ-paris1.fr
Programme
Nombre de points ECTS : 60 (à l'issue de l'obtention du diplôme)
Niveau de diplôme validé à la sortie : BAC+4
Langue d'enseignement : Français-Anglais
Rythme : Formation initiale
Public : Etudiants
Lieu(x) d'enseignement : Maison des Sciences Economiques, centre Panthéon, centre Sorbonne
Sélectionnez un programme
Master parcours Modélisations statistiques économiques et financières (MOSEF) (formation initiale et apprentissage)
Le master donne une place très importante à l'apprentissage de la programmation et à l'apprentissage statistique (Machine et Deep learning). Toutes les matières sont validées par des projets à la fin de chaque cours. Les étudiants en formation initiale doivent aussi valider le diplôme par un stage (d'au moins 6 mois) dans un établissement d'accueil dans les divers métiers visés par la formation : Finance, Data science, Data analyste, Modélisation statistiques, data engineering etc. une soutenance de stage obligatoire à valider à la fin du stage. Le parcours MOSEF étant une formation de « data science », avec des applications en finances, en termes de savoir-faire et compétences, l'étudiant saura : traiter toutes problématiques liées au Big Data, faire une analyse à partir de jeux de données (structurées ou non) et de modèles statistiques, maîtriser les analyses financières et socio-économiques, analyser les comportements à partir de modélisations, programmer en Python, Scala, , Java, R, SAS, etc. maîtriser des outils comme Spark, Splunk, Cloud etc. maîtriser les outils de visualisation des données, maîtriser les règlementations française et européenne, en termes de données.
Gestion de bases de données
24hUE3"Langues, et un cours de M1
6 créditsLangues vivantes
2 créditsMatière à choix
Au choix: parmi
DE Microéconomie
18hEconomie des transports
4 crédits36hMicroéconomie
36hOpen macroeconomics
54h
UE1 Econométrie théorique 1
12 créditsUE2 Econométrie appliquée 1
13 crédits
Au choix: parmi
UE3"Langues, et un cours de M1
UE4 Stage/insertion professionnelle
4 créditsAu choix: parmi
Certifications SAS
4 créditsMémoire
Stage
UE1 Econométrie théorique 2
12 créditsUE2 Econométrie appliquée 2
9 crédits
Facultatif
Facultatif
Au choix: parmi
Facultatif
Facultatif
Au choix: parmi
UE1 Séminaire Professionnel
UE2 Apprentissage statistique et Big Data
15 créditsDeep learning
3 crédits18hDonnées 4 : Systèmes répartis (Hadoop, spark.)
4 crédits28hMachine Learning avancé (NLP, Autoencodeur,)
3 crédits24hTraitement des données avancées & Challenge avec Spark Scala
2 crédits24h
UE3 Econométrie et méthodes statistiques
5 créditsChatbot, projet entreprise ou Challenge (suivi)
2 crédits33hEconométrie Financière
18hModèle de prévision et Deep learning
2 crédits18hSéries temporelles
2 crédits18h
UE4 Insertion professionnelle/Stage/Mémoire
10 crédits
Master parcours Traitement de l'information et data-science en entreprise (TIDE) (formation initiale et apprentissage)
Ces dernières années, la prolifération des bases de données et les méthodes issus de l'apprentissage statistique, de l'intelligence artificielle ou du "big data" a profondément bouleversé le monde de l'entreprise. Avec la très forte augmentation des capacités de stockage, ainsi que des masses de données numériques produites, la nécessité de comprendre, d'exploiter et de valoriser ces données est devenue un enjeu majeur pour l'activité et la politique d'une entreprise. Ainsi, les "experts des données", qu'il s'agisse du "vieux" métier de "data analyst" ou de l'ancien nouveau métier de "data scientist", sont maintenant des profils très recherchés sur le marché de l'emploi.
Le master TIDE forme depuis 1975 des spécialistes de haut niveau en analyse statistique, en "data mining" et désormais en "machine learning". Avec l’aide de l’association des anciens, Prométhée, le master est maintenant devenu une « marque » reconnue et a bien développé son réseau.
La spécificité du master TIDE réside dans la formation offerte : apprentissage statistique, informatique, économétrie et monde de l'entreprise. Un fort accent est mis sur l’enseignement des logiciels adaptés, comme SAS, R, SQL et Python. Le but est de former des praticiens capables de rechercher l'information dans les données, de formuler les problèmes posés et de les modéliser correctement. Il est nécessaire qu’ils sachent traiter et "faire parler" des données réelles, tout en gardant la distance intellectuelle nécessaire pour formaliser les questions posées et proposer des solutions avec rigueur et efficacité.
L’équipe pédagogique est composée essentiellement d’universitaires à haute formation en mathématiques et statistiques, et également de professionnels confirmés, souvent anciens élèves du master TIDE et se trouvant actuellement à la tête de départements de marketing, scoring ou management des risques dans de grands groupes.
Depuis 2007, le master TIDE est ouvert à l’alternance. Ainsi, pour les étudiants qui choisissent la voie de l’apprentissage, l’année de master permet de cumuler la formation théorique et une expérience professionnelle riche et motivante.
Gestion de bases de données
24hUE3"Langues, et un cours de M1
6 créditsLangues vivantes
2 créditsMatière à choix
Au choix: parmi
DE Microéconomie
18hEconomie des transports
4 crédits36hMicroéconomie
36hOpen macroeconomics
54h
UE1 Econométrie théorique 1
12 créditsUE2 Econométrie appliquée 1
13 crédits
Au choix: parmi
UE3"Langues, et un cours de M1
UE4 Stage/insertion professionnelle
4 créditsAu choix: parmi
Certifications SAS
4 créditsMémoire
Stage
UE1 Econométrie théorique 2
12 créditsUE2 Econométrie appliquée 2
9 crédits
Facultatif
Facultatif
UE1 Statistique appliquée, modélisation des données éco
15 créditsEconométrie des modèles linéaires
3 crédits18hEconométrie des séries temporelles
3 crédits18hTrois options au choix
UE2 Apprentissage statistique, science des données
12 créditsUE3 Atelier
3 crédits
Facultatif
Facultatif
Bloc hors stage
UE1 Statistique appliquée, modélisation des données éco
15 créditsEconométrie non-linéaire
18hOptions au choix
Au choix: parmi
Algorithmes stochastiques et applications
3 crédits18hMarkov Chains & Agent-Based Models
3 crédits18hOptimisation continue et combinatoire
3 crédits18hOption UE1 S3
Au choix: parmi
Scoring
18h
Statistique des valeurs extrêmes
3 crédits18h
UE2 Apprentissage statistique, science des données
9 créditsApprentissage statistique avancé
3 crédits18hInformatique, programmation
18hRéseaux de neurones, deep learning
3 crédits18h
UE3 Stage
6 créditsStage
6 crédits
Admission
Conditions d'admission
Le Master 1 s’adresse en priorité à des étudiants ayant juste terminé une L3 en économie, éco-maths, (MIASHS), mathématiques. Une double-licence ou un parcours Erasmus est apprécié. La formation est ouverte aux ENS, avec laquelle elle a un partenariat.
Pré-requis obligatoires
Une connaissance des outils quantitatifs est requise (econométrie, statistiques, mathématiques)
Pré-requis recommandés
La connaissance d'un logiciel comme SAS, R ou Python est un plus. Savoir écrire sous LaTex est aussi un plus.
Et après
Poursuite d'études
Le M1 débouche sur deux M2, le TIDE et le MOSEF. A la fin du M1, quelques étudiants choisissent de valoriser la formation au travers d'autres formations comme l'ENSAE/ l'ENSAI ou d'autres universités en accord avec leur projet professionnel.
Insertion professionnelle
Les débouchés sont très importants dans des secteurs très variés (banque, assurance, santé, économie, secteur publique, consulting,…). Les Master 1 économétrie-statistiques, Masters 2 MoSEF et TIDE de l'Ecole d'Economie de la Sorbonne jouissent d’une excellente réputation sur le marché de l’emploi sur lequel les compétences sont très reconnues. Comme preuve, le nombre important de dossiers de candidatures reçus chaque année, les retours très positifs sur les stages de Master 1 et Master 2, sur les contrats d'alternance et la capacité des étudiants à intégrer des formations de type ENSAE après le M1. S’appuyant sur une très longue tradition d’enseignement de l’économétrie à Paris 1, la mention reste plus que jamais extrêmement compétitive.