• Votre sélection est vide.

    Enregistrez les diplômes, parcours ou enseignements de votre choix.

 

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

  • ECTS

    120 crédits

  • Durée

    2 ans

  • Composante

    UFR 02 : Ecole d'économie de la Sorbonne

  • Langue(s) d'enseignement

    Français, Anglais

Présentation

Tous les métiers de l’entreprise se trouvent aujourd’hui impactés par la déferlante du « big data ». L’abondance des données (structurées ou pas) approfondit les nouveaux enjeux qui s’imposent à toutes les étapes de la chaine de valeur : Trading algorithmique, Gestion des risques, Robots intelligents assistants, Marketing prédictif et Chatbots, Sécurisation des données, … Tout cela fait du métier des data scientists et des data analystes les profils les plus recherchés sur le marché.

Le master Mosef Data science permet aux étudiants d’acquérir toutes les compétences nécessaires pour exercer dans l’entreprise les métiers de Data Scientist, Data Consultant, Data Mining analyst, Architecte Big Data, et des Spécialistes de la finance quantitative (Quant)

Le Master depuis 1996 forme des économètres-statisticiens de haut niveau en sciences des données et s’appuie sur le réseau très actif des anciens via l'association MOSEF.

Le Mosef Data Science est proposée en formation en apprentissage (alternance) et initiale.

La formation est ouverte depuis 2018 à l'apprentissage permettant aux étudiants une insertion plus efficace et une acquisition plus solide des connaissances requises. Notre équipe pédagogique est partagé entre des universitaires reconnus et des professionnels expérimentés de la datascience et de la finance.

 

Lire plus

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:
    • Machine Learning With Scikit-Learn
    • Text Mining avec Python
    • Deep-Learning with Keras framework
  • 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 (DRiM Game Deloitte, 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
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

  • De septembre à avril: en moyenne 2/3 jours par semaine de cours à l'université dont le samedi

Lundi, Mardi, Mercredi en entreprise et Jeudi Vendredi (et parfois Samedi à l'université)

  • A partir de mi-Avril , les étudiants sont en temps complet en entreprise..

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 (9060 euros en 2020/2021) 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

Duchesnay is a research scientist in Machine Learning applied to NeuroImaging at NeuroSpin, CEA, Paris-Saclay, France. He is developing learning algorithms for high-dimensional imaging data for the prognostic of brain disorder. E Duchesnay received the engineer’s degree in software engineering from École Pour l’Informatique et les Techniques Avancées (France) in 1997, the M.Sc. degree in signal/image processing from Rennes 1 University (France) in 1998 and the Ph.D. degree in signal and image processing Rennes 1 University (France) in 2001.

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.  

Mattieu Garcin

Matthieu Garcin est enseignant-chercheur en finance quantitative à ESILV depuis 2018. Avant cela, il a travaillé pendant près de dix ans dans l'industrie financière, en tant qu'analyste quantitatif. Ses principaux sujets de recherche portent sur des méthodes statistiques en finance. A ce titre, il s'intéresse aux statistiques non-paramétriques, aux processus stochastiques fractionnaires et aux réseaux de neurones artificiels. Il est diplômé de l'École Polytechnique, d'un master de probabilités et finance ainsi que d'un doctorat en mathématiques de l'Université Paris 1 Panthéon-Sorbonne.

 

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) 

 

 

Helmi KHALIFA

Expert Big Data et cloud computing, Helmi KHALIFA accompagne les entreprises dans la lutte contre la fraude et la détection des anomalies grâce à l'intelligence artificielle. En un sens, un nouveau terrain de jeu incroyable où nous essayons de comprendre les habitudes et de les transformer en des patterns et modèles statistiques.

Lire plus

Programme

Sélectionnez un programme

Master 1 Econométrie, statistiques

  • Gestion de bases de données

    24h
  • UE1 Enseignements théoriques

    12 crédits
    • Econométrie avancée des modèles linéaires

      54h
    • Sondages et analyses des données

  • UE2 Enseignements appliqués

    12 crédits
    • Econométrie appliquée des modèles de santé

      4 crédits24h
    • Econométrie appliquée des modèles linéaires 1

      6 crédits48h
    • Langage de programmation 1

      2 crédits24h
  • UE3"Langues, et un cours de M1

    6 crédits
    • Langues vivantes

      2 crédits
    • Matière à choix

      • Au choix: 1 parmi 1

        • Financial market

          54h
        • Microéconomie

          36h
        • Open macroeconomics

          54h
  • UE1 Enseignements théoriques

    10 crédits
    • Econométrie financière

      54h
    • Microéconomie modèles qualitatifs

      36h
  • UE2 Enseignements appliqués

    8 crédits
    • Econométrie appliquée des séries temporelles 2

      48h
    • Langage de programmation 2

      2 crédits24h
  • UE3"Langues, et un cours de M1

    6 crédits
    • Choix options

      • Au choix: 1 parmi 1

        • Development macroeconomics

          36h
        • Economie des transports

          36h
        • probabilités appliquées à la finance

          36h
        • Produits dérivés et gestion des risques

          54h
    • Langues vivantes

      2 crédits
  • UE4 Stage insertion professionnelle

    4 crédits
    • Au choix: 1 parmi 1

      • Mémoire

      • Stage

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

  • UE1 Remise à niveau

    • Element de finance 1

      15h
    • Langage de programmation

      15h
    • SAS

      18h
  • UE2 Modélisations en Economie et Finance

    12 crédits
    • CRM Analytics

      2 crédits18h
    • Element de finance 2

      2 crédits18h
    • Finance quantitative

      4 crédits30h
    • Gestion des risques

      18h
  • UE3 Big Data, langage et programmation

    8 crédits
    • Données 1 : Gestion de bases de données multidimensionnelles

      4 crédits24h
    • Système d'exploitation et langages de programmation 1

      2 crédits33h
    • Système d'exploitation et langages de programmation 2

      2 crédits45h
  • UE4 Données et analyse

    10 crédits
    • Données 2 : Data Mining & Scoring

      5 crédits45h
    • Données 3 : Visualisation des données

      2 crédits15h
    • Projet entreprise ou Challenge (suivi)

      3 crédits33h
  • UE1 Séminaire Professionnel

    • Ethiques des données

      6h
    • Interventions de data scientists

      10h
    • Master Class Employabilité et Carrières

  • UE2 Apprentissage statistique et Big Data

    15 crédits
    • Données 4 : Systèmes répartis (Hadoop, spark.)

      4 crédits28h
    • Données 5 : Gestion de données en flux continu et tps réel

      3 crédits24h
    • Machine Learning avancé (NLP, Autoencodeur,)

      3 crédits28h
    • Machine Learning et Projet machine learning

      5 crédits50h
  • UE3 Econométrie et méthodes statistiques

    5 crédits
    • Econométrie Financière

      18h
    • Séries temporelles

      2 crédits18h
  • UE4 Insertion professionnelle/Stage/Mémoire

    10 crédits
    • Au choix: 1 parmi 1

      • Mémoire

      • Stage

        10 crédits

Admission

Conditions d'accès

Les candidats doivent déposer les dossiers de candidature sur l’application E-candidat à partir d'Avril 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