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

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

Ce module constitue une remise à niveau en mathématique pour pouvoir se familiariser avec « la culture de la donnée ». Il aborde le concept de modélisation aléatoire et les techniques élémentaires de la statistique. Une initiation à la programmation R est intégrée au module, notamment pour illustrer les concepts formels étudiés.

Remise à niveau en mathématiques
Remise à niveau en probabilités
Statistique
Programmation 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 mathématique spécifique est proposé aux candidats pour l'accès direct au module 2.

Ce module est dédié à la modélisation statistique dans toute sa généralité. Il commence par le modèle linéaire gaussien pour formuler de manière élémentaire de nombreuses situations concrètes de modélisation et mettre en œuvre les concepts étudiés dans le module 1. Les limites du modèle linéaire sont identifiées afin de conduire naturellement à ses généralisations. Le reste du module propose un très large panorama des techniques modernes à la fois sur les plans méthodologiques et pratiques. L'objectif est notamment d’être en capacité d’effectuer des choix de modèles probants et de les appliquer de manière pertinente selon les résultats et objectifs 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 restitution de résultats d'analyse.

Modèle linéaire gaussien
Modèles linéaires généralisés et choix de modelès
Modèles à variables latentes
Bases de données
Valeurs extrêmes
Données censurées et données manquantes
Statistique bayésienne
Séries temporelles
Visualisation de données

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 d'un point de vue mathématique la notion d'optimisation qui est centrale en Machine Learning et en Intelligence Artificielle. Il inclut aussi une introduction à la programmation Python, langage de référence pour le Deep Learning. En complément des stratégies de mise œuvre ciblées pour les champs applicatifs retenus, le module s'intéresse au déploiement en général des modèles de Machine Learning et au cadre réglementaire 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

(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