CM: 7.5
TD: 7.5
TP: 9
Total: 24

R
Résoudre un problème de probabilités ou de statistique descriptive avec le logiciel R.
Concevoir et implémenter des algorithmes pour résoudre des problèmes statistiques.

Prise en main de R
Vecteurs et Matrices
Fonctions, Opérateurs et Variables aléatoires
Gestion de données (Import/Export)
Présentations et visualisation

CM: 15
TD: 9
TP:
Total: 24

Enoncer les définitions principales et les propriétés élémentaires de la théorie de la mesure
Appliquer les théorèmes fondamentaux de l’intégration

Espaces mesurables: Tribu, tribu engendrée, tribu borélienne, image réciproque d’une tribu.
Les mesures: Mesures positives, les négligeables et les tribus complètes, mesure de Borel.
Fonctions mesurables: fonctions mesurables numériques, opérations sur les fonctions mesurables
Intégration

CM: 12
TD: 15
TP: 9
Total: 36

R
Appliquer les concepts et les outils fondamentaux de probabilites.
Construire des estimateurs et des tests à l’intérieur de modèles probabilistes généraux

Rappels sur la théorie des probabilités
Vecteurs Aléatoires
Estimations avancées
Théorie des Tests
Introduction à la l’économétrie

CM: 7.5
TD: 7.5
TP: 9
Total: 24

R
Décrire un caractère statistique.
Identifier les éventuelles liaisons entre deux caractères statistiques.
Appliquer les méthodes de description des séries temporelles

Rappel sur la statistique uni-variée
Statistique Bi-variée
Statistique Multi-variée
Indices
Introduction aux séries temporelles

CM: 9
TD: 12
TP: 15
Total: 36

Scikit-Learn, Pandas, Numpy
Utiliser l’écosystème Python pour la data science
Exploiter des données structurées et non structurées
Interpreter les données avec des diagrammes et cartes

Rappel sur Python
Écosystème Python pour la science des données (Panda, skitlearn, …)
Visualiser : Seaborne, cartographie (fixe et dynamique)
Manier des données textuelles: webscraping et API

CM: 15
TD: 9
TP: 0
Total: 24

Comprendre et examiner la stratégie financière et la structure des entreprises
Adopter une analyse critique des problématiques liées a la gestion financière d’entreprise

Rôles et fonctions des gestionnaires financiers, caractéristiques des principaux types d’entreprises
Endettement, Capitaux propres et le rôle des marches de capitaux
Structures organisationnelles de l’économie et leur relation avec les entreprises
Décisions d’investissement
Décisions de financement
Le rôle des banques

CM: 15
TD: 9
TP: 0
Total: 24

Comprendre les problématiques générales de l’analyse microéconomique classique
Construire et résoudre des modèles simples en information parfaite
Étudier les effets de certaines politiques d’intervention sur les marchés au moyen de modèles pertinents d’équilibre partiel ou général

Introduction microéconomie : de l’économie générale a la micro économie
Théorie du consommateur
Théorie du producteur
Equilibre du marché concurrentiel

CM: 15
TD: 9
TP: 0
Total: 24

Utiliser le manuel du SCN, Comprendre la cohérence comptable, mesurer et analyser les agrégats et ratios macroéconomiques
Comprendre les problématiques générales de l’analyse macroéconomique
Construire et résoudre les principaux modèles macroéconomiques
Etudier les moyens permettant de corriger les déséquilibres entre les agrégats macroéconomiques et d’atteindre certains buts fixés

Introduction à la macroéconomie
La comptabilité nationale
Les fonctions de comportement
Les principaux modèles macroéconomiques
Les déséquilibres macroéconomiques

CM: 7.5
TD: 7.5
TP: 9
Total: 24

Scala
Comprendre les principes de la programmation fonctionelle
Concevoir et implémenter des algorithmes pour résoudre des problèmes de big data.
Utiliser Scala pour la data science

Introduction : Scala et scalability
Fonctions, collections
Types et structures de contrôle
Principes de programmation fonctionnelle

CM: 12
TD: 18
TP: 18
Total: 48

Python, VSCode, Django, UML, Merise
Evaluer les principales architectures utiliser pour le traitement de données
Appliquer des concepts de base d’ingénierie logicielle pour réaliser une modélisation fonctionnelle et indépendante du langage de programmation
Identifier le format appropiee d’échange de données pour un cas donné
Planifier et mettre en place les outils pour un projet informatique

Conception : Merise et UML
SQL Avance
Reseaux et Systemes
Application Web multi-tiers

CM: 15
TD: 12
TP: 9
Total: 36

CSPro, ODK
Comprendre et appliquer les méthodes de sondage/échantillonnage
Choisir entre les différentes méthodes d’échantillonnage pour une enquête donnée et redresser les données quand cela est nécessaire.
Concevoir une enquête de la problématique à l’exécution passant par les choix d’échantillonnage
Exécuter une enquête statistique de la collecte à la publication des résultats y compris la diffusion des données.

Introduction
Grands principes des enquêtes par sondage
Méthodes de sondage : aléatoires vs empiriques
Conception et mise en œuvre d’une enquête statistique (Problématique, questionnaire, échantillonnage, exécution de l’enquête)
Méthodes de redressement
Outils de collecte, contrôle, apurement, analyse et diffusion de données (Masques, CSPRO et CAPI-CSPRO, ODK)

CM: 7.5
TD: 7.5
TP: 9
Total: 24

Scikit-Learn, Keras
Comprendre les concepts généraux de l’apprentissage statistique
Faire la différence entre l’apprentissage supervisé et non supervisé
Appliquer des exemples d’algorithmes d’apprentissage

Fondements de l’apprentissage
Analyse factorielle des correspondances (AFC)
Analyse des correspondances multiples (ACM)
Analyse factorielle multiple (AFM)

CM: 18
TD: 12
TP: 6
Total: 36

R
Mener une étude complète de régression linéaire avec R
Analyser les sorties logicielles, effectuer une analyse des résidus et corriger les écarts
Faire une sélection de variables pertinente

Introduction, Statistiques Multivarié
Modèles de régression multiple
Analyse d’Autocorrélation, d’hétéroscédasticité et de multicolinéarité
Moyenne carré generalisee
Estimateur par les variables instrumentales
Modèle de regression Logistique (Classifier)

CM: 15
TD: 9
TP: 0
Total: 24

Appliquer les principaux modèles macroéconomiques de façon théorique et formelle
Utiliser un modèle pour étudier un problème économique

Introduction au Modele d’Equilibre Général Calculable (MEGC)
Construction d’un MEGC (Statitque)
Construction d’un MEGC (Dynamique : modèle à génération imbriquée)
Modèles d’équilibre général dynamique stochastique(DSGE)

CM:
TD: 9
TP: 15
Total:

R
démontrer des compétences quantitatives dans l’évaluation de données numériques
Utiliser des outils statistiques et économétriques pour résoudre des problèmes concrets
Identifier et décrire les problématiques appropriées au sujet de recherche et concevoir les moyens d’aborder ces questions
Analyse critique de la littérature publiée et identification des limites et pistes de recherche et développement
Comprendre et adhérer aux code et éthiques de la recherche scientifique

Introduction aux modèles statistiques et économiques
Explorer et gérer la base de données
Prérequis d’une étude empirique : Revue de littérature, problématiques et hypothèses, présentation et analyses des résultats
Regression Analysis
Post-estimation Analysis
Présentation des données : comment adopter un Template de revue scientifique ?

CM: 18
TD: 15
TP: 15
Total: 48

Python
Appliquer les méthodes classiques d’analyse et de prévision de séries d’observations corrélées dans le temps
Analyser des séries temporelles classiques à l’aide de logiciels spécialisés

Modélisation probabiliste des séries temporelles. Stationnarité, autocorrélation, densité spectrale.
Modèles ARIMA et méthodologie de Box-Jenkins.
Séries non stationnaires et cointégration. Tests de racine unité
Séries temporelles multivariées. Processus VAR, estimation, prévision et causalité.
Données de panel (les modèles à effets fixes et à effets aleatoires)

CM: 15
TD: 9
TP: 0
Total: 24

Comprendre le rôle de l’intermédiation financière dans un système financier
Comprendre pourquoi les banques sont communément considérées comme « spéciales »

Théories de l’intermédiation financière
Bilan et structure des revenus des banques
Risque dans le secteur bancaire
Analyse du risque de crédit
Risque de liquidité et risque de taux
Analyse de la performance bancaire

CM: 15
TD: 9
TP: 0
Total: 24

Maîtriser les formes de formalisation des jeux : normale, extensive
Réaliser des applications de la théorie des jeux en economie et finance.

Formalisation d’un jeu
Formalisation des solutions
– Identification des stratégies : dominantes, mixtes…
Déterminer l’équilibre de Nash
Résolution par chaînage arrière et jeux répétés ou à informations incomplètes.

CM:
TD:
TP:
Total: 0

Répondre à une problématique formulée par une institution (entreprise, administration ou ONG)
Analyser des données statistiques

Projet

CM: 7.5
TD: 7.5
TP: 9
Total: 24

Spark, Hadoop, Mongodb, Elasticsearch
Utiliser les technologies d’analyse et traitement des donénes Big Data
Identifier les différentes approches présentes dans le contexte des bases de données NoSQL
Choisir un SGBD relationnel ou non relationnel selon le besoin

Introduction : les V du big data
Modele Relationnel vs Modele non relationnel
Les familles de base de données NoSQL
Analyse de technologies Big Data : HDFS, Spark, Elasticsearch, Kafka.

CM: 9
TD: 6
TP: 9
Total: 24

R
Présenter les différents types de non-réponse
Proposer une solution pour limiter le problème de la non-reponse
Appliquer les méthodes classiques de traitement de la non-réponse dans les enquêtes

Rappel sur les enquêtes
Traitement des non-réponse totale
Traitement des non-réponse partielle

CM: 12
TD: 12
TP: 24
Total: 48

Scikit-Learn, Pandas, Numpy, Keras, Pytorch, Tensorflow
Distinguer l’apprentissage supervisé de l’apprentissage non-supervisé
Choisir et mettre en œuvre différentes méthodes d’apprentissage supervisé
Evaluer les performances des méthodes d’apprentissage concurrentes
Comment utiliser des réseaux de neurones convolutif pour des images?
Savoir utiliser les modèle NLP (Text mining)

Modèle de regulation (Ridge et LASSO)
SVM
Decision trees
Ensemble Learning (Random forest, Gradient boosting, stacking, voting etc.)
Deep Learning (Reseau de neurones, GAN , Transfer Learning etc..)

CM: 9
TD: 9
TP: 18
Total: 36

Appliquer des modèles statistique simple.
Appliquer des algorithmes permettant l’inférence des données
* Classification et Segmentation d’images

Introduction
Méthodes de Monte Carlo
Bootstrapping
Rééchantillonnage
Algorithme espérance maximisation

CM: 12
TD: 6
TP: 6
Total: 24

Appliquer les processus stochastiques
Réaliser des applications statistiques du calcul stochastique

Introduction
Chaines de Markov
Martingales et processus de Levy
Processus de Poisson
Mouvement Brownien

CM: 18
TD: 12
TP: 6
Total: 36

Appliquer des modèles économiques avancés
Exploiter des données de panels

Introduction
Modèles à équations simultanées
Données de panels
Séries de cointégration et modèles à correction d’erreur
Modèle de durée

CM:
TD:
TP:
Total: 0

Certificat

CM:
TD:
TP:
Total: 0

Certificat

CM: 7.5
TD: 7.5
TP: 9
Total: 24

Utiliser l’informatique décisionnelle à l’usage des dirigeants et des décideurs
Définir et optimiser les stratégies de développement publique et dans le monde des affaires

Introduction
Système d’information décisionnelle
Entrepôts de données, OLAP, fouille de données, architecture multi-niveau
Relation client

CM: 7.5
TD: 7.5
TP: 9
Total: 24

Utiliser les outils de cartographie
Réaliser des cartes sémiologiquement correctes

Introduction
Initiation aux projections et aux référentiels cartographiques
Cartographie élémentaire et sémiologie
Géocodage/géolocalisation et analyse spatiale

CM: 12
TD: 6
TP: 6
Total: 24

Implémenter des méthodes micro-économétriques
Evaluer l’impact des politiques publiques

Introduction
Méthodes expérimentales
Double différence
Appariement
Variables instrumentales
Régression sur discontinuité

CM: 7.5
TD: 7.5
TP: 9
Total: 24

Appliquer les techniques cryptographiques pour assurer la confidentialité, l’intégrité et/ou l’authentification
Implementer des architectures de publication de données respectueuse de la vie privée tout en autorisant le partage et l’analyse des données

Introduction
Techniques cryptographiques
Publications interactives
Publications centralisées