Formation Continue

Programme | Executive Master Statistique
& Intelligence artificielle

La formation comprend un volume horaire de 300 heures de cours à l’exclusion du temps consacré aux évaluations. Il est possible de rentrer directement en module 2 (un test de prérequis est organisé). Certains documents de cours sont en anglais.

L’enseignement de l’Executive Master Statistique & Intelligence artificielle se répartie en 3 modules :

Module 1 : Remise à niveau en mathématiques et bases de la statistique
Module 2 : Modélisation statistique avancée
Module 3 : Machine Learning et Intelligence artificielle

Le programme de la formation en statistique et intelligence artificielle

Module 1 : Remise à niveau en mathématiques et bases de la statistique57h

Avant d’explorer les outils avancés du Machine Learning, ce module vous permet de consolidervos bases en mathématiques, essentielles pour « la culture de la donnée » et de comprendreles mécanismes de la modélisation aléatoire. Une initiation à la programmation en R permet d’illustrer concrètement les concepts théoriques et de développer une première approche pratique de l’analyse de données.

Remise à niveau en probabilités
Estimation classique, tests, régions de confiance
Modèle linéaire gaussien
Mise en pratique statistique sous le logiciel R

NB : Les titulaires d’un diplôme de niveau bac + 4 sanctionnant un bon niveau en modélisation aléatoire, en probabilité et en statistique pourront être dispensés de ce premier module.

Module 2 : Modélisation statistique avancée111h

Les titulaires d’un diplôme de niveau Bac + 4 sanctionnant un bon niveau en modélisation aléatoire, en probabilité et en statistique peuvent être dispensés du module 1. Un test mathématiques spécifique est proposé aux candidats pour l'accès direct au module 2.

Ce module vous permet d’approfondir la modélisation statistique dans toute sa diversité. Les concepts du module 1 seront notamment mobilisés par le modèle linéaire gaussien, base incontournable pour formaliser de manière élémentaire de nombreuses situations concrètes, et ses généralisations, indispensables pour pallier les limites du modèle linéaire.

Grâce à une approche progressive et pratique, vous explorerez un large panorama de techniques statistiques modernes, à la fois sur le plan méthodologique et appliqué, toujours via une mise en pratique sous R. Vous apprendrez notamment à choisir, ajuster et interpréter les modèles les plus pertinents selon les objectifs et les résultats attendus.
En complément de la modélisation statistique, ce module aborde la gestion des données avec SQL et la visualisation d'information comme outil d'exploration de données et de représentation et valorisation d’une analyse.

Choix de modèles
Modèles linéaires généralisés
Régression non-paramétrique
Analyse de données
Bases de données sous SQL
Valeurs extrêmes
Approche bayésienne
Séries temporelles
Données manquantes et données censurées
R avancé
Python

NB : Les auditeurs dispensés du Module 1 pourront se voir offrir une formation accélérée au logiciel R sur proposition des directeurs de la formation.

Module 3 : Machine Learning et Intelligence artificielle132h

Il est possible d'intégrer directement le module 3, sous réserve d'avoir réussi le test d'entrée.

Ce module aborde la notion d’optimisation, clé de voûte du Machine Learning et de l’Intelligence Artificielle, à travers une approche mathématique et appliquée. Vous découvrirez comment entraîner efficacement les modèles prédictifs et améliorer leurs performances. Une introduction à la programmation Python, langage de référence du Deep Learning, vous permettra de mettre en œuvre ces principes.

Le module aborde également les stratégies de déploiement des modèles de Machine Learning pour différents champs applicatifs, ainsi que le cadre réglementaire et éthique de leur utilisation.

Programmation Python
Optimisation
Apprentissage supervisé
Deep Learning
Apprentissage non supervisé
RGPD et RIA
MLOps
Mise en pratique en actuariat*
Mise en pratique en marketing*
Case studies in finance*

NB : Les étudiant·e·s valident au choix « *Mise en pratique en actuariat » ou « *Mise en pratique en marketing » ou « *Case studies in finance ».

Modalités pédagogiques

Picto rouge sur fond blanc symbolisant l'Université Paris Dauphine PSL et Dauphine Executive Education (formation continue)

Les cours en présentiel et en distanciel sont illustrés par des jeux de données artificielles et réelles avec une mise en œuvre directe sur machine :

Les intervenants s’assureront que les auditeurs disposent d’ordinateur personnel et des logiciels nécessaires mis à jour
Les auditeurs auront accès au cluster informatique du CEREMADE pour les cours qui le nécessitent
Des études de cas feront l’objet de travaux individuels ou collectifs en inter-session
La diversité des pratiques professionnelles et le développement de la recherche en statistique imposent que les auditeurs assurent un travail d’analyse et de synthèse sur la base d’une bibliographie préparée par les responsables de la formation, ainsi que des recherches documentaires
Plusieurs projets rythment la formation, afin de s’exercer à l’implémentation et à l’interprétation des techniques rencontrées