• Votre sélection est vide.

    Enregistrez les diplômes, parcours ou enseignements de votre choix.

Droit, Economie, Gestion

Master parcours Modélisations statistiques économiques et financières (MOSEF) (formation initiale et apprentissage)

Présentation

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.

Lire plus
  • 100%

    Taux de réussite

Objectifs

Le parcours MoSEF permet de doter les étudiants de tous les fondements théoriques et les compétences techniques approfondies dans les quatre modules suivants :

  1. Les méthodes de l’apprentissage Statistiques & les langages de programmations (Machine et Deep Learning)
  2.  Data mining et visualisation des données
  3.  Les modèles économétriques appliqués en finance
  4.  Un module d’approfondissement qui couvre les métiers de la finance de marché, de l’asset management et du CRM Analytics et de l'assurance.
Lire plus

Savoir-faire et compétences

En termes de savoir-faire et compétences, l‘étudiant saura :

  • Travailler sur un environnement big data (cloud avec Microsoft Azure, Hadoop, Spark et Splunk), parsing de fichiers json, csv, txt., web scraping...
  • Traiter et analyser les extractions de bases de données (y compris celles non structurées) via toutes les techniques statistiques et de dataming
  • Maitriser divers outils analytiques et de programmation : Python, Scala,, JAVA, R, SAS, Linux
  • Acquérir les compétences nécessaires en analyses de risques, en CRM analytics, en finances quantitatives et en économétrie financière.

Contacts:

RESPONSABLE DE LA FORMATION :

RANIA HENTATI-KAFFEL
Opens window for sending emailrania.kaffel@univ-paris1.fr
TÉL. + 33 1 44 07 82 59

 

Secrétariat pédagogique :

Opens window for sending emailm2mosef.ees@univ-paris1.fr

Centre PMF - 90, rue de Tolbiac - 75013

Lire plus

Les + de la formation

  • Les étudiants travaillent sur un environnement Big Data. En effet, pour les cours Python , Systèmes répartis, Architecture avancées, Splunk, … des machines virtuelles Microsoft Azure sont mises à disposition.
  • En plus du présentiel, des modules d’apprentissage en distanciel via datasciencetest.com sont dispensés :A l'issu de la formation les étudiants valident les certificats suivants:
    • Python :
      • Machine Learning – modèles et algorithmes de classification (FR)
      • Text Mining (FR)
      • Réseaux de neurones denses avec Keras (FR)
      • Réseaux de neurones convolutifs avec Keras (FR)
  • Valider des certificats CLOUD - Certifications Microsoft Azure : Bases de données sur Azure (DP900), Solutions Data Science sur Azure (DP100).
  • Participation à au moins trois Data Challenge (Sorbonne Data Challenge  Drim Game deloitte, Nexialog, Crédit Logement ,   Ekimetriks, KPMG ,  ...)
  • Voyage d'étude à l'étranger
  • Intervention et séminaires Data Scientist
  • Un master class employabilité et carrière est proposé à tous les étudiants

Les cours, enseignés par de nombreux professionnels et chercheurs dans ces domaines permettent une approche très professionnalisante, à travers notamment l’organisation de plusieurs présentations et challenges chez nos différents partenaires, tout en conservant une approche universitaire qui invite à la recherche, la rigueur et la curiosité. La maitrise des technologies et des outils déjà existants mais aussi de ceux qui préparent déjà le futur de la data-science, couplé à de larges compétences techniques en statistiques et en machine learning permet aux étudiants de disposer, au terme de ce master, de tout l’attirail technique permettant de couvrir la pluridisciplinarité requise aux métiers de la data.

Le programme du master M2 MoSEF Data Sciences :

 

Lire plus

Organisation

Ouvert en alternance

Le M2 MOSEF est ouvert depuis 2018 à l’alternance.

L’alternance permet de conjuguer des phases d’apprentissages théoriques à l’université et des phases de professionnalisation au sein de l’entreprise.

Le CFA gère le contrat d'apprentissage de tous nos apprentis.

Rythme de l'alternance

  • Durée de la formation : 12 mois à partir du mois de septembre
    Une semaine de cours de mise à niveau début septembre
    Alternance de mi-septembre à avril : 1 semaine à l'université et 1 semaine en entreprise
  • A partir de mi-mai à Septembre : Plein temps en entreprise (100%)

 

Code du diplôme : 135 12234
Le code RNCP:  34294

Type de contrat : APPRENTISSAGE

Pour l'apprenti, la formation est gratuite. L'Université de Paris1 Panthéon-Sorbonne et le CFA FORMASUP demandent à l'entreprise d'accueil de concourir aux frais engendrés par la formation  par le versement de la taxe d'apprentissage (prélevés sur le quota).

Calendrier d'alternance

Lire plus

Stages

Stage

Obligatoire

Durée du stage

6 mois

Stage à l'étranger

Facultatif

Durée du stage à l'étranger

6 mois

Quand la formation est suivie en formation initial, un stage de 6 mois est obligatoire .

Lire plus

Membres de l’équipe pédagogique

Rania HENTATI KAFFEL

Maître de conférences en Sciences Economiques à l’Université Paris 1 Panthéon-Sorbonne depuis 2010. Rattachée au centre d’économie de la Sorbonne, et membre du Labex Refi (Regulation financière) et aussi membre au projet Syrto (systemic risk tomography) entre 2013 et 2016. En parallèle elle a travaillé dans l'industrie financière, en tant qu'analyste quantitatif et a contribué à la mise en place d'un outil d’analyse global de gestion des risques pour un gestionnaire alternatif.

De 2010 à 2015, Rania Hentati Kaffel a dirigé le Master 1 Econométrie-Statistique au sein de l’école d’économie de la sorbonne, et de 2015 à 2018 a assuré la direction du Master 2 PRO , Quantitative Methods in Economics and Finance (QMEF). Depuis 2018 , elle assure la direction du master en alternance MoSEF Data Science (Modélisation Statistiques Économique et Financières Data Science).

Ses sujets de recherche les plus récents concernent la construction de portefeuille en présence de risques extrêmes, la modélisation du risque financier et la prévision des défaillances en utilisant les méthodes récentes de machine learning. Auteure d'une vingtaine d'articles académiques publiés dans des revues internationales .

Marc-Arthur DIAYE

Professeur des Universités, Université Paris 1 Pantheon-Sorbonne, UFR02

Il a commencé sa carrière en 1999 à l’Ecole Nationale de la Statistique et de l’Analyse de l’Information (Ensai) comme enseignant-chercheur et chercheur au Laboratoire de Statistique et Modélisation. En 2001, il intègre l’Université d’Evry comme enseignant-chercheur. Il y crée notamment un Master 2 en gestion des risques et des actifs. Il y reste cinq ans et part comme Chercheur senior au Centre d’Etudes de l’Emploi où il reste quatre ans. Il revient à l’Ensai comme Directeur du Département Economie. Cette même année, il est nommé Conseiller Scientifique à France Stratégie, et y restera (en parallèle de son activité principale d’enseignant-chercheur) six ans. A son retour à l’Université d’Evry, il devient Directeur du département Economie en 2012 et crée un Master 2 en sciences des données à l’Université Paris-Saclay en 2015. Nommé depuis le 1 septembre 2016 à l’Université Paris 1, il y dirige la mention « Econométrie-Statistiques ». Marc-Arthur DIAYE travaille sur la modélisation et la prédiction des comportements à partir de données.

Edouard Duchesnay

Research Scientist in Machine Learning in Neuroimaging

CEA, NeuroSpin, Paris-Saclay, France

Edouard Duchesnay is a research director in data science at NeuroSpin, CEA, Paris-Saclay University, France. Since 2003 he is designing machine learning models to discover brain imaging signatures of mental disorders. He explored dimension reduction and regularization strategies to overcome the “curse of dimensionality” caused by a large number of neuroimaging measurements. In 2019, he obtained a chair in Artificial Intelligence to develop transfer learning algorithms to bridge the gap between big (heterogeneous) and small (homogeneous) datasets. He received his Ph.D. in 2001 and M.S. degree in 1998 in signal and image processing from Rennes 1 University (France). In 1997, he received his M.S. degree in software engineering from École Pour l’Informatique et les Techniques Avancées (France).

Guillaume HOCHARD

Product Management Director chez Symphony RetailAI

Guillaume Hochard est aujourd’hui AI Product Management Director dans une société spécialisée en supply chain dans le domaine du retail, intervenant principalement sur des sujets de demand forecasting. Expert en data science, il a passé 4 années au sein de Quantmetry, cabinet de conseil spécialisé en intelligence artificielle, en tant que leader de l’expertise séries temporelles, discipline qu’il enseigne également au CNAM et à la Sorbonne. Il intervient en tant qu'expert indépendant en intelligence artificielle auprès de la Haute Autorité de Santé, en ayant été notamment à l'initiative du cadre méthodologique d'évaluation des dispositifs médicaux embarquant de l'IA. Disposant de 15 ans d’expérience dans la conduite, le pilotage et la réalisation de projets d’IA, du cadrage à la mise en production en passant par la modélisation, Guillaume est également l'auteur de plusieurs publications touchant au deep learning, forecasting, et risques naturels. Auparavant, il a passé dix années dans le secteur de l’imagerie satellitaire, en tant que Data Scientist au CEA et Head of Data Product chez Vinci.

 

Roman Yurshak

Data Scientist & Founder Symerio

Roman Yurchak est Data Scientist et fondateur de Symerio. Il travaille comme consultant pour des grands groupes concevant des systèmes d'apprentissage statistique. Il fait également partie de l’équipe de développement de la bibliothèque de machine learning scikit-learn. Par le passé, lors de son doctorat à l'École Polytechnique, il a travaillé sur la modélisation prédictive en physique des plasmas.

 

 

FLORIENT IELPO

Florian Ielpo, PhD, Senior Vice President, is Head of Macroeconomic Research within the Cross Asset Solutions team and Chair of the Macro Committee. He joined Unigestion in May 2015.
 
Prior to joining Unigestion, Florian also worked for Lombard Odier Investment Managers as a portfolio manager from 2013 to 2015.
Florian holds a PhD in Economics from the Sorbonne University. Florian also graduated in Economics from the
Ecole Normale Supérieure de Cachan in Paris, France. He published academic research papers in journals such as the Journal of Economic Dynamic and Control, the Journal of Banking and Finance or the Journal of Empirical Finance. He published three books among of which the Economics of Commodity Markets at Wiley’s.  

Coulibaly Amed

Amed Coulibaly est un senior data scientist chez Metro France.


Depuis 2019, Il developpe des solutions de machine learning pour repondre à des problematiques Metier chez Metro France.

En 2021, Il est nommé Data Science Globale Ambassadeur par Z by HP.

Amed Coulibaly intervient également à la Sorbonne en tant que intervenant professionnel pour le cours d'introduction au Machine Learning.

 

 

Chafic Merhy

HEAD OF ENGINEERING and QUANTITATIVE RESEARCH

-OSTRUM ASSET MANAGEMENT

Chafic began his career as an actuary at Ernst & Young Actuaires Conseil before moving to Axa Investment Managers where he headed the Quantitative Asset Analytics team in charge of allocation and forecasting for the Global Fixed Income department. He joined Natixis Asset Management in 2008 as a Senior Structured Credit and CDO Analyst. He became Head of Credit Quantitative Research in 2012. Since 2018, he is Head of Engineering and Quantitative Research at Ostrum Asset Management.

Chafic Merhy holds a PhD in Economics from the University of Montpellier. He also graduated from the Ecole Nationale de la Statistique et de l’Administration Economique - Institut Polytechnique de Paris.

Jerôme MOLLLIER

Diplômé de Paris 1 (Magistère d’Économie + DEA), Jérôme MOLLIER travaille depuis 2001 dans l’utilisation des DATA pour le comptes de grandes entreprises mais aussi de PME.

Il intervient sur la réalisation et le pilotage de projets d’étude et d’analyse de données (segmentation, score, moteur de recommandation…) ainsi que sur la mise en place d’actions opérationnelles (plan d’action marketing, restructuration de BDD, optimisation de la conquête…).

Après avoir occupé le poste de Senior Manager chez SoftComputing, piloté le service datamining de Directinet (agence spécialisée dans l’e-marketing) et exercé ses compétences en freelance, il s’est associé à l’équipe dirigeante de Relatia en tant que Directeur du pôle Marketing Intelligence (Data Science et Machine Learning au service de la performance des entreprises).

En parallèle de ses activités, il enseigne depuis plus de 10 ans dans différentes écoles et universités sur les thématiques : data analyse, Big DATA, machine Learning…

Hager OUESLATI

 

Lead Data Scientist à la Société Générale dans le service de la lutte contre le crime financier. Hager Oueslati a auparavant travaillé dans le conseil et elle est spécialiste sur différents sujets traitant de la Data dans différents secteurs d’activité abordant les problématiques du big data .

 

Antoine MONINO

Issu du DESS TIDE de Paris I, Antoine MONINO a successivement exercé les métiers de chargé d’études statistiques, de développeur BI,  développeur Back et Front, de concepteur d’applications décisionnelles, d’expert Data puis d’Architecte Data. Il est actuellement Directeur

Technique du cabinet de conseil Data Centré AVISIA (https://www.avisia.fr) 

Lire plus

Programme

Sélectionnez un programme

Master 1 Econométrie, statistiques

  • Gestion de bases de données

    24h
  • UE3"Langues, et un cours de M1

    6 crédits
    • Langues vivantes

      2 crédits
    • Matière à choix

      • Au choix: parmi

        • DE Microéconomie

          18h
        • Economie des transports

          4 crédits36h
        • Microéconomie

          36h
        • Open macroeconomics

          54h
  • UE1 Econométrie théorique 1

    12 crédits
    • Analyse des données et introduction au Machine Learning

      6 crédits54h
    • Econométrie avancée des modèles linéaires

      54h
  • UE2 Econométrie appliquée 1

    13 crédits
    • Econométrie appliquée des modèles de santé

      24h
    • Econométrie appliquée des modèles linéaires 1

      6 crédits48h
    • Langage de programmation 1

      24h
  • Au choix: parmi

    • UE3"Langues, et un cours de M1

      • Choix options

        • Au choix: parmi

          • Development macroeconomics

            36h
          • probabilités appliquées à la finance

            36h
          • Produits dérivés et gestion des risques

            54h
      • Langues vivantes

    • UE4 Stage/insertion professionnelle

      4 crédits
      • Au choix: parmi

        • Certifications SAS

          4 crédits
        • Mémoire

        • Stage

    • UE1 Econométrie théorique 2

      12 crédits
      • Econométrie financière

        54h
      • Micro-économétrie des variables qualitatives et des modèles

        6 crédits54h
    • UE2 Econométrie appliquée 2

      9 crédits
      • Econométrie appliquée des séries temporelles

        48h
      • Langage de programmation 2

        24h

Master 2 Modélisations statistiques économiques et financières (MOSEF) (formation initiale et apprentissage)

  • Facultatif

    • Facultatif

      • Au choix: parmi

        • UE1 Remise à niveau

          • Element de finance 1

            15h
          • Langage de programmation

            15h
          • Modèles de prévision économique

            10h
          • SAS

            18h
          • Système d'exploitation 1 : SQL

            6h
        • UE2 Modélisations en Economie et Finance

          • CRM Analytics

            2 crédits18h
          • Finance quantitative

            30h
          • Modélisation risque de crédit

            3 crédits18h
        • UE3 Big Data, langage et programmation

          • Données 1 : Gestion de bases de données multidimensionnelles

            24h
          • Programmation avancée et certifications

            33h
          • Système d'exploitation 2 : Linux

            3 crédits21h
        • UE4 Données et analyse

          • Certifications pro cloud

            18h
          • Données 2 : Data Mining & Scoring

            42h
          • Données 3 : Visualisation des données

            2 crédits15h
          • Machine Learning et Projet machine learning

            3 crédits40h
      • Facultatif

        • Facultatif

          • Au choix: parmi

            • UE1 Séminaire Professionnel

              • Ethiques des données

                6h
              • Interventions de data scientists

                14h
              • Master Class Employabilité et Carrières

            • UE2 Apprentissage statistique et Big Data

              15 crédits
              • Deep learning

                3 crédits18h
              • Données 4 : Systèmes répartis (Hadoop, spark.)

                4 crédits28h
              • Machine Learning avancé (NLP, Autoencodeur,)

                3 crédits24h
              • Traitement des données avancées & Challenge avec Spark Scala

                2 crédits24h
            • UE3 Econométrie et méthodes statistiques

              5 crédits
              • Chatbot, projet entreprise ou Challenge (suivi)

                2 crédits33h
              • Econométrie Financière

                18h
              • Modèle de prévision et Deep learning

                2 crédits18h
              • Séries temporelles

                2 crédits18h
            • UE4 Insertion professionnelle/Stage/Mémoire

              10 crédits
              • Au choix: parmi

                • Mémoire

                • Stage

                  10 crédits

          Admission

          Conditions d'admission

          Les candidats doivent déposer les dossiers de candidature sur l’application E-candidat à partir du 2 mai 2024 sur e-candidat.univ-paris1.fr.

          Pour les étudiants internationaux non européens concernés par la procédure CEF (Centre pour Études en France), le dossier de candidature est à déposer entre novembre et mars sur
          www.campusfrance.org

          La sélection se déroule en deux temps:

          - Étude du dossier de candidature.

          - Entretien avec un jury pour les candidats admissibles.

          Après la sélection universitaire, les candidats doivent être recrutés par une entreprise en contrat d’apprentissage

          Lire plus

          Public cible

          Étudiants titulaires d’un Master1 Éco-Stat, Master 1 Économétrie, Ingénieurs, Grandes écoles, M1 MASS, M1 Ingénierie Mathématique

          Lire plus

          Capacité d'accueil

          30 étudiants

          Lire plus
          • Ajouter à la sélection

            Vous avez formations et cours sauvegardés

          • S'inscrire