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. L’enseignement repose sur 32 cours répartis en 3 modules de niveau progressif. Il est possible de rentrer directement en module 2 (un test de prérequis est organisé). Certains documents de cours sont en anglais.

Module 1 : Maîtriser les bases de la statistique60h

Ce module constitue une remise à niveau en statistique pour pouvoir se familiariser avec « la culture de la donnée ». Il aborde le concept de modélisation aléatoire et les techniques élémentaires de la statistique. Le cadre du modèle linéaire gaussien permet de formuler de manière élémentaire de nombreuses situations concrètes et illustre la résolution de problématiques. Une mise en pratique informatique à l’aide du logiciel R est déployée.

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 : Traiter les données par la statistique avancée105h

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 décline les outils mathématiques et statistiques qui permettent d’envisager le traitement transversal de nombreuses problématiques. L’objectif est de présenter un très large panorama des techniques modernes à la fois sur les plans méthodologiques et pratiques et d’être en capacité d’effectuer des choix de modèles probants et de les appliquer de manière pertinente selon les résultats et objectifs attendus.

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 : Développer l’apprentissage et le big data135h

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

Ce module est essentiellement dévolu à la thématique du big data qui recouvre toutes les problématiques pour lesquelles les volumes des données sont tels que celles-ci ne peuvent être gérées par les approches classiques. Les techniques idoines sont celles de l’apprentissage statistique qui se situe à l’interface de l’informatique et de la statistique.

Optimisation
Apprentissage supervisé
Graphes
Deep learning
Pratique du Deep Learning
Classification non-supervisée
Ethique et protection des données
Calcul parallèle
Cloud computing
Visualisation des données
Mini-projets
Mise en pratique marketing
Mise en pratique actuariat
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
Ponctuellement, des conférences viennent compléter la formation, afin que des professionnels présentent leur pratique de la science des données en entreprise
Plusieurs projets rythment la formation, afin de s’exercer à l’implémentation et à l’interprétation des techniques rencontrées