Formation Actuaire Data-Scientist PROGRAMME

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Formation Actuaire Data-Scientist PROGRAMME"

Transcription

1 Formation Actuaire Data-Scientist PROGRAMME 15 Septembre 2014 Arthur Charpentier, Romuald Élie & Jérémie Jakubowicz 15914

2 Programme Séance inaugurale : révolu-on numérique besoins des entreprises cadre réglementaire éthique et normes 3 blocs pédagogiques : cours et TD (114 h) approfondissements et applica-ons aux mé-ers de l assurance (40 h) réalisa-on d un projet individuel sur un sujet actuariel Rythme : 2 jours par mois comportant à la fois cours et cas pra-ques début du projet à miparcours

3 Programme A) Éléments logiciels et programmation Python ~ 18h B) Datamining et programmation R ~ 18h C) Algorithmique en Machine Learning et mise en situation ~ 24h D) Fondements théoriques de l apprentissage statistique ~ 24h E) Machine Learning distribué et applications ~ 12h F) Extraction, utilisation et visualisation des données ~ 18h Applications aux métiers de l assurance ~ 40h * nombre d'heures à titre indicatif

4 Programme A) Éléments logiciels et programmation Python ~ 18h Objectif : Introduction au langage Python et sensibilisation aux grandeurs informatiques pertinentes. Éléments de programme : Initiation à la programmation Python Programmation objet, classes, héritage Bibliothèque des méthodes statistiques usuelles Éléments logiciels pour grandes bases de donnée Hardware, performance machine et gestion de mémoire Efficacité d'un algorithme Complexité, accès mémoire, ordres de grandeur

5 B) Datamining et programmation R ~ 18h Objectif : Présenter les outils classiques d'exploration de données, sous un angle essentiellement descriptif. Ces cours permettra une remise à niveau en R, en rappelant, durant les premières heures, les bases de la programmation en R. Éléments de programme : Programme Manipuler des données sous R : données continues, facteurs (recodification), dates, heures Bases de la programmation avancée en R Méthodes non-supervisées Analyse factorielle et détection de clusters

6 C) Algorithmique en machine learning et mise en situation ~ 24h Objectif : Approche par mise en situation via la participation à un concours type Kaggle. Présentation des différentes phases : exploration, sélection/transformation des données, algorithmes d apprentissage, visualisation Éléments de programme : Programme Étude de cas Exploration/ Sélection / Transformation / Nettoyage des données Principaux algorithmes de Machine Learning (contexte de Classification) K-NN, Régression Logistique, SVM Forêts aléatoires, Réseaux de Neurones Boosting, Bagging Procédures de validation / sélection de modèle Visualisation Retour d expérience et analyse des résultats

7 D) Fondements théoriques de l apprentissage statistique ~ 24h Objectif : Présenter les fondements mathématiques des principales méthodes de Machine learning Éléments de programme : Programme Théorie de la décision, Perte, risque, risque empirique Modèle statistique pour la classification binaire, Approches génératives vs. discriminantes Machine Learning, Méthodes paramétriques, perceptron, partitionnement Algorithmes de classification de données massives, Convexification du risque, boosting et SVM Méthodes ascendantes et descendantes, Critères AIC et BIC Régression linéaire: limites et améliorations : Parcimonie. Régression pas à pas Approche par pénalisation: ridge, lasso... Modèles linéaires généralisés, Méthodes de régression alternatives, Approche non linéaire: polynômes locaux, ondelettes Régression PLS et CART

8 E) Machine Learning distribué et applications ~ 12h Objectif : Pour passer à l échelle, les algorithmes de Machine Learning vus dans les cours précédents doivent être repensés. Un cadre efficace est celui des algorithmes distribués où on utilise plusieurs entités de calculs pour mener à bien l objectif initial. L objectif de ce cours sera de présenter différents exemples d algorithmes de Machine Learning distribués Éléments de programme : Algorithmes distribués : généralités Le cas de Map-Reduce Applications en Machine Learning Programme

9 F) Extraction, utilisation et visualisation des données ~ 18h Objectif : Programme Description des enjeux économiques et sociétaux de la révolution numérique du Big Data. Présentation des architectures de bases ou entrepôts de données, ainsi que des techniques d'exploration associées pour la récolte des données. Sensibilisation aux questions éthiques sous-jacentes, aux contraintes juridiques européennes et au rôle de la CNIL. Présentation des principales méthodes de visualisation des données complexes. Éléments de programme : Écosystème des données massives SQL vs NoSQL Anonymisation de données, Protection des données personnelles, enjeux économiques Visualisation des données

10 Applica;ons aux mé;ers de l assurance Approfondissements et études de cas ~ 40h Objectif : Présentations de sujets «métier» et mises en situation via des interventions courtes, et techniques, (2 à 4 h) sur des thématiques précises. Exemples : l Cartographie et GPS l Géolocalisation et anonymisation l Traitement de données textuelles l Health monitoring l Détection de fraude l Applications en Génomique l Investissement séquentiel en gestion de portefeuille l Enchère web l Réseaux de neurone & e-commerce l Calcul du capital économique en grande dimension l Vente d assurance en ligne l Visualisation de données et réseaux sociaux l Biosécurité l Parallélisassions massive pour la simulation Monte Carlo

11 Planning (susceptible d ajustements) * calendrier donné à titre purement indicatif

12 Réalisation d un projet Les participants à la formation réaliseront un projet visant à exhiber l'apport de ces nouvelles méthodologies statistiques et informatiques pour la modélisation d'un phénomène actuariel Projet réalisé sous le tutorat d un membre du corps enseignant de la formation Projet réalisé sur la deuxième moitié de la formation Rédaction d un rapport et soutenance devant un jury de membres du corps enseignant ainsi que l ensemble de la promotion (sauf conflit trop important pour cause de confidentialité)

13 Validation de la formation Plusieurs examens ou Qcm au cours de la formation, pour valider l acquisition de blocs précis de compétences en data science Réalisation et soutenance d un projet mettant en application les compétences acquises à des problématiques actuarielles Obtention du diplôme Actuaire Data Scientist de l Institut du Risk Management 15914

Formation. Data-Science pour l Actuariat. 6 Juillet 2015

Formation. Data-Science pour l Actuariat. 6 Juillet 2015 Formation Data-Science pour l Actuariat 6 Juillet 2015 Formation Data Science pour l Actuariat Pourquoi? Nouveau contexte : nouveau besoin - Révolution numérique : données massives et hétérogènes, nouveaux

Plus en détail

Formation Actuaire Data-Scientist 4 JUILLET 2014

Formation Actuaire Data-Scientist 4 JUILLET 2014 Formation Actuaire Data-Scientist 4 JUILLET 2014 Objectifs de la formation Initier les participants aux méthodologies statistiques et informatiques en lien avec la manipulation de données massives. Sensibiliser

Plus en détail

Formation Actuaire Data Scientist. Programme au 24 octobre 2014

Formation Actuaire Data Scientist. Programme au 24 octobre 2014 Formation Actuaire Data Scientist Programme au 24 octobre 2014 A. Eléments logiciels et programmation Python 24h Objectif : Introduction au langage Python et sensibilisation aux grandeurs informatiques

Plus en détail

Formation opérationnelle en extraction, gestion et analyse de données massives et hétérogènes

Formation opérationnelle en extraction, gestion et analyse de données massives et hétérogènes Formation opérationnelle en extraction, gestion et analyse de données massives et hétérogènes SOMMAIRE Formations de 1 ou 2 journées (7 heures/journée) en inter entreprises qui se déroulent sur Paris Les

Plus en détail

Motivation : pourquoi exploration de données? Nous nous noyons dans les données, mais manquons cruellement de connaissances

Motivation : pourquoi exploration de données? Nous nous noyons dans les données, mais manquons cruellement de connaissances 1 Introduction Définition et motivations Tâches de data mining (fouille de données, exploration de données) Techniques et algorithmes Exemples et applications 1 Motivation : pourquoi exploration de données?

Plus en détail

Organisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining.

Organisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining. 2 jours : Mardi 15 et mercredi 16 novembre 2005 de 9 heures 30 à 17 heures 30 Organisé par StatSoft France et animé par Dr Diego Kuonen, expert en techniques de data mining. Madame, Monsieur, On parle

Plus en détail

Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles

Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles Annexe 4 Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Technologie et biologie (TB) Discipline : Informatique Première et seconde années Programme d informatique

Plus en détail

Programme détaillé des enseignements

Programme détaillé des enseignements Programme détaillé des enseignements SEMESTRE S1 STATISTIQUES Méthodes d'estimation ponctuelle (méthodes des moments, du maximum de vraisemblances, bayésienne) et par intervalles de confiance. Statistiques

Plus en détail

P R O G R A M M E E T I N S T R U C T I O N S O F F I C I E L L E S

P R O G R A M M E E T I N S T R U C T I O N S O F F I C I E L L E S P R O G R A M M E E T I N S T R U C T I O N S O F F I C I E L L E S POUR L ENSEIGNEMENT DE L INFORMATIQUE MPSI première année I. Objectifs de la formation II-1 Développement de compétences et d aptitudes

Plus en détail

Stages 2015-2016 ISOFT : 25 ANS DE RECHERCHE EN INFORMATIQUE DECISIONNELLE ET. Contact : Mme Lapedra, stage@isoft.fr ANALYSE DE DONNEES

Stages 2015-2016 ISOFT : 25 ANS DE RECHERCHE EN INFORMATIQUE DECISIONNELLE ET. Contact : Mme Lapedra, stage@isoft.fr ANALYSE DE DONNEES Stages 2015-2016 Contact : Mme Lapedra, stage@isoft.fr ISOFT : 25 ANS DE RECHERCHE EN INFORMATIQUE DECISIONNELLE ET ANALYSE DE DONNEES ISoft est un concepteur-éditeur de logiciels spécialisé dans la recherche

Plus en détail

Introduction au Data-Mining

Introduction au Data-Mining Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme

Plus en détail

Les actuaires face au choc technologique et sociétal du numérique:

Les actuaires face au choc technologique et sociétal du numérique: Les actuaires face au choc technologique et sociétal du numérique: travaux en cours à l Institut des Actuaires CHOC NUMÉRIQUE ET MAÎTRISE PROSPECTIVE DES RISQUES Solvabilité 2: prise en compte prospective

Plus en détail

Masses de données. 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA

Masses de données. 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA Masses de données 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA Rédacteurs : Mjo Huguet / N. Jozefowiez 1. Introduction : Besoins Informations et Aide

Plus en détail

Informatique commune en CPGE PSI-PC-PT-MP-TSI-TPC

Informatique commune en CPGE PSI-PC-PT-MP-TSI-TPC Informatique commune en CPGE PSI-PC-PT-MP-TSI-TPC L ingénieur doit maîtriser les concepts fondamentaux de l informatique pour : communiquer avec les informaticiens comprendre les questions de complexité

Plus en détail

Formation DSA Data Science pour l Actuariat

Formation DSA Data Science pour l Actuariat Formation DSA Data Science pour l Actuariat Romuald Elie Direction des Etudes Prix spécial «Innovation formation digitale en Assurance» de l Université de l Assurance 2016 OBJECTIF DU PROJET Doter l actuaire

Plus en détail

"Sous réserve de validation des modifications"

Sous réserve de validation des modifications "Sous réserve de validation des modifications" Niveau : MASTER année Domaine : Mention : DROIT ECONOMIE GESTION SCIENCES DU MANAGEMENT M2 Spécialité : CONTROLE DE GESTION 120 ES Volume horaire étudiant

Plus en détail

Outils Statistiques du Data Mining

Outils Statistiques du Data Mining Outils Statistiques du Data Mining Pr Roch Giorgi roch.giorgi@univ-amu.fr SESSTIM, Faculté de Médecine, Aix-Marseille Université, Marseille, France http://sesstim-orspaca.org http://optim-sesstim.univ-amu.fr

Plus en détail

Analyse multivariée approfondie

Analyse multivariée approfondie Analyse multivariée approfondie Enseignants: NIANG N. et RUSSOLILLIO G. Maître de conférences Statistique Appliquée Laboratoire CEDRIC CNAM http://www.cnam.fr et d autres intervenants extérieurs au Cnam

Plus en détail

Accélérer l agilité de votre site de e-commerce. Cas client

Accélérer l agilité de votre site de e-commerce. Cas client Accélérer l agilité de votre site de e-commerce Cas client L agilité «outillée» devient nécessaire au delà d un certain facteur de complexité (clients x produits) Elevé Nombre de produits vendus Faible

Plus en détail

1 Objectif de la formation MASTER PROFESSIONNEL (1 ANNEE) 2 Poursuite d étude. 3-Moyens mis en œuvre. 4- Conditions d'admission

1 Objectif de la formation MASTER PROFESSIONNEL (1 ANNEE) 2 Poursuite d étude. 3-Moyens mis en œuvre. 4- Conditions d'admission MASTER PROFESSIONNEL (1 ANNEE) INFORMATIQUE, STATISTIQUE, MATHEMATIQUES APPLIQUEES A LA GESTION DE PRODUCTION 2009-2010 Département de mathématiques et informatique UFR Sciences, Espaces et Sociétés Université

Plus en détail

Journée de rencontres ANSES - IGN - INA - Labex Bézout

Journée de rencontres ANSES - IGN - INA - Labex Bézout Journée de rencontres ANSES - IGN - INA - Labex Bézout Présentation du LAMA Stéphane Sabourau 3 mars 2014 Présentation générale Le Laboratoire d Analyse et Mathématiques Appliquées (LAMA) est composé de

Plus en détail

Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing

Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing Statistique et analyse de données pour l assureur : des outils pour la gestion des risques et le marketing Gilbert Saporta Chaire de Statistique Appliquée, CNAM ActuariaCnam, 31 mai 2012 1 L approche statistique

Plus en détail

MATHEMATIQUES ET SCIENCES POUR L INGENIEUR

MATHEMATIQUES ET SCIENCES POUR L INGENIEUR MASTER SCIENCES, TECHNOLOGIES, SANTE / STAPS MATHEMATIQUES ET SCIENCES POUR L INGENIEUR Spécialité Ingénierie Numérique, Signal-Image et Informatique Industrielle (INS3I) www.univ-littoral.fr OBJECTIFS

Plus en détail

Concours interne de l agrégation du second degré. Section économie et gestion. Programme de la session 2013

Concours interne de l agrégation du second degré. Section économie et gestion. Programme de la session 2013 Concours interne de l agrégation du second degré Concours interne d accès à l échelle de rémunération des professeurs agrégés dans les établissements d enseignement privés sous contrat du second degré

Plus en détail

Se construire les humanités numériques apprendre en action

Se construire les humanités numériques apprendre en action Se construire les humanités numériques apprendre en action ENS de Lyon Personally, I think Digital Humanities is about building things Stephen Ramsay, 2011, Who's In and Who's Out Retour d expérience Présentation

Plus en détail

Apprentissage statistique Stratégie du Data-Mining

Apprentissage statistique Stratégie du Data-Mining Apprentissage statistique Stratégie du Data-Mining Hélène Milhem Institut de Mathématiques de Toulouse, INSA Toulouse, France IUP SID, 2011-2012 H. Milhem (IMT, INSA Toulouse) Apprentissage statistique

Plus en détail

Introduction au Data-Mining

Introduction au Data-Mining Introduction au Data-Mining Gilles Gasso, Stéphane Canu INSA Rouen -Département ASI Laboratoire LITIS 8 septembre 205. Ce cours est librement inspiré du cours DM de Alain Rakotomamonjy Gilles Gasso, Stéphane

Plus en détail

Ingénierie d aide à la décision

Ingénierie d aide à la décision Ingénierie d aide à la décision Maria Malek 1 er septembre 2009 1 Objectifs et débouchés Nous proposons dans cette option deux grands axes pour l aide à la décision : 1. La recherche opérationnelle ; 2.

Plus en détail

Préparation diplômante

Préparation diplômante Préparation diplômante La préparation diplômante de la faculté de Finance, Banque, Comptabilité (FFBC) de l université Lille 2 permet aux étudiants à la fois d acquérir une licence de gestion et de préparer

Plus en détail

Introduction data science

Introduction data science Introduction data science Data science Master 2 ISIDIS Sébastien Verel verel@lisic.univ-littoral.fr http://www-lisic.univ-littoral.fr/~verel Université du Littoral Côte d Opale Laboratoire LISIC Equipe

Plus en détail

Heidi WECHTLER. Octobre 2005

Heidi WECHTLER. Octobre 2005 Heidi WECHTLER Le support aux analyses de données Séminaire GREGOR Octobre 2005 Support aux analyse de données du GREGOR Le poste Chargée d étude statistiques au GREGOR, bureau B126 (wechtler.iae@univ-paris1.fr)

Plus en détail

M2, spécialité Ingénierie Mathématique Laboratoire de Mathématiques Jean Leray Département de Mathématiques Université de Nantes. Programme 2013-2014

M2, spécialité Ingénierie Mathématique Laboratoire de Mathématiques Jean Leray Département de Mathématiques Université de Nantes. Programme 2013-2014 M2, spécialité Ingénierie Mathématique Laboratoire de Mathématiques Jean Leray Département de Mathématiques Université de Nantes Programme 2013-2014 Contact : master-pro@math.univ-nantes.fr Option : CS

Plus en détail

Informatique en CPGE

Informatique en CPGE Informatique en CPGE L ingénieur doit maîtriser les concepts fondamentaux de l informatique pour : communiquer avec les informaticiens comprendre les questions de complexité algorithmique, de précision

Plus en détail

GRADE MASTER COMMUNICATION DES ORGANISATIONS

GRADE MASTER COMMUNICATION DES ORGANISATIONS GRADE MASTER COMMUNICATION DES ORGANISATIONS Diplôme Grade Master de l IEP Rennes bac+5 En Alternance Enseignements à Rennes et à Paris Coordination pédagogique : Lionel Honoré - Professeur lionel.honore@sciencespo-rennes.fr

Plus en détail

Analyse de données textuelles Panorama des fonctions, des méthodes et des usages

Analyse de données textuelles Panorama des fonctions, des méthodes et des usages Analyse de données textuelles Panorama des fonctions, des méthodes et des usages Sylvie Dalbin Assistance & Techniques Documentaires DocForum, Le 17 Novembre 2005 Déroulé de l'intervention (1) 1. Définition

Plus en détail

TECH. INFOTECH # 34 Solvabilité 2 : Le calcul du capital économique dans le cadre d un modèle interne. Introduction

TECH. INFOTECH # 34 Solvabilité 2 : Le calcul du capital économique dans le cadre d un modèle interne. Introduction INFO # 34 dans le cadre d un modèle interne Comment les méthodes d apprentissage statistique peuvent-elles optimiser les calculs? David MARIUZZA Actuaire Qualifié IA Responsable Modélisation et Solvabilité

Plus en détail

Panorama des solutions analytiques existantes

Panorama des solutions analytiques existantes Arnaud LAROCHE Julien DAMON Panorama des solutions analytiques existantes SFdS Méthodes et Logiciels - 16 janvier 2014 - Données Massives Ne sont ici considérés que les solutions autour de l environnement

Plus en détail

R, VISUALISATION ET APPRENTISSAGE

R, VISUALISATION ET APPRENTISSAGE R, VISUALISATION ET APPRENTISSAGE ANALYSE DE COMPORTEMENTS TOURISTIQUES À PARTIR DE DONNÉES PHOTOGRAPHIQUES GÉOTAGGÉES B.Branchet G.Chareyron J.Da-Rugna 2 PRÉSENTATION Bérengère Branchet Gaël Chareyron

Plus en détail

Introduction au datamining

Introduction au datamining Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des

Plus en détail

INTERNATIONAL CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS (ICMPA) UNESCO CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS

INTERNATIONAL CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS (ICMPA) UNESCO CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS INTERNATIONAL CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS (ICMPA) UNESCO CHAIR IN MATHEMATICAL PHYSICS AND APPLICATIONS established in 2006 at the University of Abomey-Calavi (Republic of Benin) UNITWIN/UNESCO

Plus en détail

EPREUVE D ADMISSION LE MEMOIRE

EPREUVE D ADMISSION LE MEMOIRE EPREUVE D ADMISSION LE MEMOIRE RAPPEL CALENDRIER DE L EXAMEN RAPPEL CIRCULAIRE Structure de l examen Epreuve d admission: Soutenance, devant le jury, d un mémoire rédigé par le candidat et portant sur

Plus en détail

UNIVERSITÉ DE MONTRÉAL DÉPARTEMENT DE SOCIOLOGIE ************* Cours de niveau gradué en méthodes quantitatives *************

UNIVERSITÉ DE MONTRÉAL DÉPARTEMENT DE SOCIOLOGIE ************* Cours de niveau gradué en méthodes quantitatives ************* ************* Cours de niveau gradué en méthodes quantitatives ************* SOL 6210 - Analyse quantitative avancée Le séminaire d analyse quantitative avancée se donne en classe une fois par année. Chaque

Plus en détail

Responsable de la Gestion Administrative et du Personnel

Responsable de la Gestion Administrative et du Personnel Bachelor Ressources Humaines Programme / Niveau II (Bac+3) Responsable de la Gestion Administrative et du Personnel Métiers / Emplois Collaborateur de direction / Adjoint(e) de direction / Responsable

Plus en détail

DEROULEMENT CHRONOLOGIQUE DE LA FORMATION

DEROULEMENT CHRONOLOGIQUE DE LA FORMATION FIDJI IUT de Paris FIDJI 15 (2010-2012) PRESENTATION ET OBJECTIF Cette professionnalisation diplômante de deux années s adresse à des jeunes, ayant interrompu leurs études sans avoir obtenu le Bac et se

Plus en détail

Devenir ingénieur par la filière Fontanet

Devenir ingénieur par la filière Fontanet Devenir ingénieur par la filière Fontanet 02 Arts et Métiers ParisTech, une Grande École d Ingénieurs Créée en 1780, l École Nationale Supérieure d Arts et Métiers a formé plus de 85 000 ingénieurs qui

Plus en détail

Implémentation et Benchmark. d une régression linéaire en RMR2

Implémentation et Benchmark. d une régression linéaire en RMR2 Add intelligence to data Anne Gayet Directrice Datamining Implémentation et Benchmark d une régression linéaire en RMR2 16 janvier 2014 Rendez-vous SFdS: : Méthodes et logiciels Données massives (big data)

Plus en détail

Enjeux mathématiques et Statistiques du Big Data

Enjeux mathématiques et Statistiques du Big Data Enjeux mathématiques et Statistiques du Big Data Mathilde Mougeot LPMA/Université Paris Diderot, mathilde.mougeot@univ-paris-diderot.fr Mathématique en Mouvements, Paris, IHP, 6 Juin 2015 M. Mougeot (Paris

Plus en détail

Vous trouvez plus d information sur AREL. ainsi que sur : http://www.eisti.fr/ mma/html-iad/iad.html

Vous trouvez plus d information sur AREL. ainsi que sur : http://www.eisti.fr/ mma/html-iad/iad.html ainsi que sur : http://www.eisti.fr/ mma/html-iad/iad.html Option Deux thèmes : La recherche opérationnelle : Traiter des problèmes d optimisation, d aide à la décision et d évaluation de performances

Plus en détail

DROIT, ÉCONOMIE & GESTION DUT INFORMATIQUE. Possibilité de faire la 2 ème année en apprentissage. www.univ-littoral.fr

DROIT, ÉCONOMIE & GESTION DUT INFORMATIQUE. Possibilité de faire la 2 ème année en apprentissage. www.univ-littoral.fr DROIT, ÉCONOMIE & GESTION DUT INFORMATIQUE Possibilité de faire la ème année en apprentissage www.univ-littoral.fr OBJECTIFS DE LA FORMATION Former des professionnels qui participent à la conception, la

Plus en détail

1 Présentation générale

1 Présentation générale Parcours «Management des processus de production de biens et services» du Master de Sciences de Gestion (M2) - mention «Management Global» de l Université Paris Dauphine 1 Présentation générale 1.1 Objectifs

Plus en détail

Algorithmique - Techniques fondamentales de programmation Exemples en Python (nombreux exercices corrigés) - BTS, DUT informatique

Algorithmique - Techniques fondamentales de programmation Exemples en Python (nombreux exercices corrigés) - BTS, DUT informatique Introduction à l'algorithmique 1. Les fondements de l informatique 13 1.1 Architecture de Von Neumann 13 1.2 La machine de Turing 17 1.3 Représentation interne des instructions et des données 19 1.3.1

Plus en détail

Domaine de Formation : Sciences et Technologies Mention : Informatique Spécialité : Informatique de Gestion

Domaine de Formation : Sciences et Technologies Mention : Informatique Spécialité : Informatique de Gestion LICENCE FONDAMENTALE INFORMATIQUE DE GESTION Domaine de Formation : Sciences et Technologies Mention : Informatique Spécialité : Informatique de Gestion I. Présentation de la licence Le but de la Licence

Plus en détail

Fondements et étapes du processus de recherche, 3 e édition

Fondements et étapes du processus de recherche, 3 e édition Fondements et étapes du processus de recherche, 3 e édition Nouveauté Méthodes quantitatives et qualitatives Prix : 81,95 $ Auteurs : Marie-Fabienne Fortin, Johanne Gagnon ISBN13 : 9782765050063 Nombre

Plus en détail

COACHING FORMATION. Quelle méthodologie efficace pour le choix de formation des agents? Florence TERRANOVA IPF Hainaut

COACHING FORMATION. Quelle méthodologie efficace pour le choix de formation des agents? Florence TERRANOVA IPF Hainaut COACHING FORMATION Quelle méthodologie efficace pour le choix de formation des agents? Florence TERRANOVA IPF Hainaut Objectifs de la séance de coaching Retour sur les objectifs de formation Présentation

Plus en détail

Reconnaissance des formes : Classement d ensembles d objets

Reconnaissance des formes : Classement d ensembles d objets Reconnaissance des formes : Classement d ensembles d objets Données Méthodes Extraction de connaissances Applications Expertise Apprentissage Bernard FERTIL Directeur de Recherche CNRS Équipe LXAO, UMR

Plus en détail

MASTER ACADEMIQUE FINANCE D ENTREPRISE

MASTER ACADEMIQUE FINANCE D ENTREPRISE FACULTE DES SCIENCES ECONOMIQUES, COMMERCIALES ET DES SCIENCES DE GESTION Tizi Ouzou MASTER ACADEMIQUE FINANCE D ENTREPRISE Responsable de l'équipe de formation : Mme OUKACI Dahbia Etablissement : Intitulé

Plus en détail

Partie I Organisations, management et systèmes d information... 1

Partie I Organisations, management et systèmes d information... 1 Liste des cas d entreprise............................................................ Liste des figures..................................................................... Liste des tableaux...................................................................

Plus en détail

E-commerce et marketing numérique

E-commerce et marketing numérique Licence pro E-commerce et marketing numérique Site de Bordeaux Bastide 2016-2017 Carte d identité de la formation Diplôme Licence professionnelle Mention E-commerce et marketing numérique Conditions d

Plus en détail

Master CCI. Compétences Complémentaires en Informatique. Livret de l étudiant

Master CCI. Compétences Complémentaires en Informatique. Livret de l étudiant Master CCI Compétences Complémentaires en Informatique Livret de l étudiant 2014 2015 Master CCI Le Master CCI (Compétences Complémentaires en Informatique) permet à des étudiants de niveau M1 ou M2 dans

Plus en détail

La validation d'un module est acquise dès lors que l'étudiant obtient une note supérieure ou égale à 10/20.

La validation d'un module est acquise dès lors que l'étudiant obtient une note supérieure ou égale à 10/20. Mode d'évaluation Pour les sessions normales, le nombre d'évaluation dépendra de la nature de l UE. Ainsi: les UE majeures comportent deux évaluations: une évaluation à mi-parcours (devoir sur table ou

Plus en détail

sous réserve de validation des modifications DROIT ECONOMIE GESTION SCIENCES DU MANAGEMENT FINANCE

sous réserve de validation des modifications DROIT ECONOMIE GESTION SCIENCES DU MANAGEMENT FINANCE sous réserve de validation des modifications Niveau : MASTER année Domaine : Mention : DROIT ECONOMIE GESTION SCIENCES DU MANAGEMENT M2 Spécialité : FINANCE 120 ES Volume horaire étudiant : 335 h 35 h

Plus en détail

1. Les fondements de l informatique 13

1. Les fondements de l informatique 13 Introduction à l'algorithmique 1. Les fondements de l informatique 13 1.1 Architecture de Von Neumann 13 1.2 La machine de Turing 17 1.3 Représentation interne des instructions et des données 19 1.3.1

Plus en détail

Formations Méthode et conduite de projet

Formations Méthode et conduite de projet Formations Méthode et conduite de projet Présentation des formations Qualité et Conduite de projets Mettre en place et gérer un projet SI nécessite diverses compétences comme connaître les acteurs, gérer

Plus en détail

MASTER Droit Economie et Gestion Mention management Parcours Management des Etudes Marketing

MASTER Droit Economie et Gestion Mention management Parcours Management des Etudes Marketing Année universitaire 2015-2016 MASTER Droit Economie et Gestion Mention management Parcours Management des Etudes Marketing Formation en alternance (M1 et M2) Cadre règlementaire : Arrêté du 25 avril 2002

Plus en détail

DATA MINING 2 Réseaux de Neurones, Mélanges de classifieurs, SVM avancé

DATA MINING 2 Réseaux de Neurones, Mélanges de classifieurs, SVM avancé I. Réseau Artificiel de Neurones 1. Neurone 2. Type de réseaux Feedforward Couches successives Récurrents Boucles de rétroaction Exemples de choix pour la fonction : suivant une loi de probabilité Carte

Plus en détail

Diplôme de Comptabilité et de Gestion. D é c r e t N 2 0 0 6-1 7 0 6 d u 2 2 d é c e m b r e 2 0 0 6 - A r r ê t é d u 8 m a r s 2 0 1 0

Diplôme de Comptabilité et de Gestion. D é c r e t N 2 0 0 6-1 7 0 6 d u 2 2 d é c e m b r e 2 0 0 6 - A r r ê t é d u 8 m a r s 2 0 1 0 Diplôme de Comptabilité et de Gestion DCG D é c r e t N 2 0 0 6-1 7 0 6 d u 2 2 d é c e m b r e 2 0 0 6 - A r r ê t é d u 8 m a r s 2 0 1 0 Validation des Acquis de l Expérience VAE R é f é r e n t i e

Plus en détail

Licence Professionnelle

Licence Professionnelle Licence Professionnelle Management des organisations Spécialité Assistant de Gestion et Contrôle Financier Page Unités d enseignement Page 2 UE1 Langages fondamentaux et compétences personnelles Anglais

Plus en détail

Formation continue. Ensae-Ensai Formation Continue (Cepe)

Formation continue. Ensae-Ensai Formation Continue (Cepe) CertifiCat de data scientist Formation continue Ensae-Ensai Formation Continue (Cepe) CertifiCat de data scientist La demande de data scientists est croissante mais peu de formations existent. Ce certificat

Plus en détail

Offre de formation département de télécommunications. Licence en Télécommunications

Offre de formation département de télécommunications. Licence en Télécommunications Offre de formation département de télécommunications Licence en Télécommunications 1. But de la formation La formation dispensée dans cette licence est de nature académique. Elle est organisée sous forme

Plus en détail

de formation cycles de formation professionnelle quand les talents grandissent, les collectivités progressent

de formation cycles de formation professionnelle quand les talents grandissent, les collectivités progressent Offre 2013 de formation cycles de formation professionnelle quand les talents grandissent, les collectivités progressent citoyenneté, culture et action éducative cycle de formation professionnelle restauration

Plus en détail

Pourquoi intégrer le Big Data à son organisa3on?

Pourquoi intégrer le Big Data à son organisa3on? Pourquoi intégrer le Big Data à son organisa3on? Yvan Robert, VP Affaires Stratégiques Emmanuel Faug, Resp. pra>que BI Colloque 2014 Big Data Agenda Qui sommes nous? L importance de l information Méthodes

Plus en détail

LICENCE AMENAGEMENT, URBANISME ET DEVELOPPEMENT TERRITORIAL

LICENCE AMENAGEMENT, URBANISME ET DEVELOPPEMENT TERRITORIAL LICENCE AMENAGEMENT, URBANISME ET DEVELOPPEMENT TERRITORIAL Mention : Géographie et aménagement skin.:program_main_bloc_presentation_label Dans la mesure où il n existe pas de mention de licence aménagement

Plus en détail

Offre de formation de troisième cycle (LMD)

Offre de formation de troisième cycle (LMD) Offre de formation de troisième cycle (LMD) (Arrêté n 250 du 28 juillet 2009, fixant l organisation de la formation de troisième en vue de l obtention du diplôme de doctorat) Etablissement Faculté / Institut

Plus en détail

MARKETING & NUMERIQUE

MARKETING & NUMERIQUE Ecofac Business School ECOLE SUPÉRIEURE DE COMMERCE ET DE MANAGEMENT 1ère année PRÉPA EUROPÉENNE MARKETING & NUMERIQUE La PRÉPA Européenne Marketing et Numérique est une formation post Bac qui se compose

Plus en détail

Cours ou séminaire de formation doctorale. Laboratoire CEROS Ecole doctorale EOS

Cours ou séminaire de formation doctorale. Laboratoire CEROS Ecole doctorale EOS Intitulé de la formation : Introduction à R pour la recherche en sciences sociales sous la forme d'atelier Objectifs : prise en main de r au travers de l'interface graphique Rcmdr et de Rstudio. Découverte

Plus en détail

MASTER GESTION DES ORGANISATIONS ACHAT A L INTERNATIONAL M2 2014/2015

MASTER GESTION DES ORGANISATIONS ACHAT A L INTERNATIONAL M2 2014/2015 MASTER GESTION DES ORGANISATIONS ACHAT A L INTERNATIONAL M2 2014/2015 Formation sur deux ans en apprentissage I - DÉROULEMENT DE LA FORMATION La formation se déroule en apprentissage selon un rythme alterné

Plus en détail

CQPI Technicien qualité industriel

CQPI Technicien qualité industriel CQPI Technicien qualité industriel Public concerné Salariés ou futurs salariés qui auront pour mission d assurer le contrôle de la qualité et de participer à l amélioration des modes de production et/ou

Plus en détail

Séance 12: Algorithmes de Support Vector Machines

Séance 12: Algorithmes de Support Vector Machines Séance 12: Algorithmes de Support Vector Machines Laboratoire de Statistique et Probabilités UMR 5583 CNRS-UPS www.lsp.ups-tlse.fr/gadat Douzième partie XII Algorithmes de Support Vector Machines Principe

Plus en détail

Participants table ronde. Florence Durand, Directrice Centrale Paris Executive Education. Renaud Daussy Directeur Commercial Global Knowledge

Participants table ronde. Florence Durand, Directrice Centrale Paris Executive Education. Renaud Daussy Directeur Commercial Global Knowledge Participants table ronde Florence Durand, Directrice Centrale Paris Executive Education Renaud Daussy Directeur Commercial Global Knowledge Participants table ronde François Xavier Marquis Directeur Général

Plus en détail

Analyse de grandes bases de données en santé

Analyse de grandes bases de données en santé .. Analyse de grandes bases de données en santé Alain Duhamel Michaël Genin Mohamed Lemdani EA 2694 / CERIM Master 2 Recherche Biologie et Santé Journée Thématique Fouille de Données Plan. 1 Problématique.

Plus en détail

Analyse de grandes bases de données en santé

Analyse de grandes bases de données en santé .. Analyse de grandes bases de données en santé Alain Duhamel Michaël Genin Mohamed Lemdani EA 2694 / CERIM Master 2 Recherche Biologie et Santé Journée Thématique Fouille de Données Plan. 1 Problématique.

Plus en détail

Axe MSA Bilan scientifique et perspectives. ENSM.SE L. Carraro - 17 décembre 07

Axe MSA Bilan scientifique et perspectives. ENSM.SE L. Carraro - 17 décembre 07 Axe MSA Bilan scientifique et perspectives ENSM.SE L. Carraro - 17 décembre 07 17 décembre 07 2 Plan Compétences acquises domaines scientifiques compétences transverses Domaines ou activités accessibles

Plus en détail

Laboratoire de mathématiques financières ACT 3282

Laboratoire de mathématiques financières ACT 3282 Automne 2015 Département des mathématiques et statistiques Université de Montréal Laboratoire de mathématiques financières ACT 3282 1. Renseignements généraux: Horaire: Mardi 18h30-19h30 et Vendredi 11h30-13h30

Plus en détail

Master Ressources Humaines

Master Ressources Humaines 1 - Objectifs de formation du Master Le Master comprend deux années : Première année : La première année est dédiée à l acquisition des connaissances fondamentales en gestion des ressources humaines dans

Plus en détail

SYLLABUS SEMESTRE 9 Année 2011-2012

SYLLABUS SEMESTRE 9 Année 2011-2012 SYLLABUS SEMESTRE 9 2011-2012 Parcours S2I «Systèmes d Information et Informatique» François Brucker Tel.: 04 91 05 43 95 E-mail : francois.brucker@centrale-marseille.fr PROGRAMME Nb heures élèves (hors

Plus en détail

Cahier des charges / Formation «Diagnostic technologique d une entreprise»

Cahier des charges / Formation «Diagnostic technologique d une entreprise» Cahier des charges / Formation «Diagnostic technologique d une entreprise» Entité : CARINNA (Agence pour la Recherche et l Innovation en Champagne-Ardenne) Contact : Katia JOSEPH Chargée de mission «Gestion

Plus en détail

Programme de la formation. Écrit : 72hdepréparation aux épreuves d admissibilité au CRPE

Programme de la formation. Écrit : 72hdepréparation aux épreuves d admissibilité au CRPE Programme de la formation Écrit : 72hdepréparation aux épreuves d admissibilité au CRPE o 36 h pour la préparation à l'épreuve écrite de français Cette préparation comprend : - un travail sur la discipline

Plus en détail

Le programme de mathématiques Classes de première STI2D STL

Le programme de mathématiques Classes de première STI2D STL Journée de l inspection 15 avril 2011 - Lycée F. BUISSON 18 avril 2011 - Lycée J. ALGOUD 21 avril 2011 - Lycée L. ARMAND Le programme de mathématiques Classes de première STI2D STL Déroulement de la journée

Plus en détail

UNIVERSITÉ PARIS DESCARTES

UNIVERSITÉ PARIS DESCARTES UNIVERSITÉ PARIS DESCARTES MASTER Domaine DROIT, ÉCONOMIE, GESTION Mention MONNAIE,BANQUE, FINANCE, ASSURANCE Spécialité RISQUE, ASSURANCE, DÉCISION 2014 / 2015 Z.Trocellier Directeurs Pr Kouroche VAFAÏ

Plus en détail

Master MAE. Management et Administration des Entreprises

Master MAE. Management et Administration des Entreprises Formation Continue Master MAE Management et Administration des Entreprises I.A.E de Lyon - Université Jean Moulin - Lyon 3 6, cours Albert Thomas - BP 8242-69355 Lyon cedex 08 - http://iae.univ-lyon3.fr

Plus en détail

POL-7004 Analyse quantitative Mardi 15h30 Local Pouliot-2512

POL-7004 Analyse quantitative Mardi 15h30 Local Pouliot-2512 POL-7004 Analyse quantitative Mardi 15h30 Local Pouliot-2512 Chargé de cours: Yannick Dufresne (yannick.dufresne.1@ulaval.ca) Assistant: Mickael Temporão (mickael.temporao.1@ulaval.ca) Site du cours: www.pol.ulaval.ca/pol7004

Plus en détail

ANNEE 2013-2014. Le tableau ci-dessous présente ces unités d'enseignement ainsi que leurs coefficients et leurs volumes horaires respectifs.

ANNEE 2013-2014. Le tableau ci-dessous présente ces unités d'enseignement ainsi que leurs coefficients et leurs volumes horaires respectifs. ANNEE 2013-2014 PLAN DE FORMATION Licence Professionnelle en Alternance AII-SIAM «AUTOMATIQUE ET INFORMATIQUE INDUSTRIELLE» «SYSTEMES INDUSTRIELS AUTOMATISES ET MAINTENANCE» «PARCOURS AUTOMATISMES» 1 OBJECTIFS

Plus en détail

Comment faire des investissements informatiques pertinents en pleine connaissance de cause et mesurer les résultats obtenus?

Comment faire des investissements informatiques pertinents en pleine connaissance de cause et mesurer les résultats obtenus? Pourquoi le C - GSI Comment faire des investissements informatiques pertinents en pleine connaissance de cause et mesurer les résultats obtenus? La gouvernance des systèmes d information désigne l ensemble

Plus en détail

Département Informatique

Département Informatique Département Informatique Formation d'ingénieur en informatique par apprentissage Ingénieur diplômé de l UTBM Spécialité «INFORMATIQUE» Filière «Ingénierie des Systèmes d Information» Nouvelle voie d accès

Plus en détail

Programme de la licence informatique, université de Caen http://www.info.unicaen.fr

Programme de la licence informatique, université de Caen http://www.info.unicaen.fr Programme de la licence informatique, université de Caen http://www.info.unicaen.fr Unité Systèmes d'information CM : 45h - TD : 60h - TP : 12h - Coeff 2 Systèmes de Gestion de Bases de Données Modéliser

Plus en détail

Les techniques d exploitation de données (Data Mining)

Les techniques d exploitation de données (Data Mining) Les techniques d exploitation de données (Data Mining) 1 Présenté par : Emer Mestiri, M.sc Finance, Data Scientist Conseiller Gestion de risque de crédit, Mouvement Desjardins Sommaire 2 I. Logiciel SAS

Plus en détail

Les participants repartiront de cette formation en ayant une vision claire de la stratégie et de l éventuelle mise en œuvre d un Big Data.

Les participants repartiront de cette formation en ayant une vision claire de la stratégie et de l éventuelle mise en œuvre d un Big Data. Big Data De la stratégie à la mise en oeuvre Description : La formation a pour objet de brosser sans concession le tableau du Big Data. Les participants repartiront de cette formation en ayant une vision

Plus en détail

TERMES DE REFERENCE. INITIATION DES CADRES DE LA DNEEP ET DU MMG AUX LOGICIELS EXCEL, EVIEWS, SPSS et STATA

TERMES DE REFERENCE. INITIATION DES CADRES DE LA DNEEP ET DU MMG AUX LOGICIELS EXCEL, EVIEWS, SPSS et STATA REPUBLIQUE DE UINEE Travail Justice Solidarité MINISTERE DE L ECONOMIE ET DES FINANCES DIRECTION NATIONALE DES ETUDES ECONOMIQUES ET DE LA PREVISION (DNEEP) TERMES DE REFERENCE INITIATION DES CADRES DE

Plus en détail

Apprentissage statistique:

Apprentissage statistique: Apprentissage statistique: Arbre de décision binaire et Random Forest 1 Plan 1. Introduction 2. 3. Application à l apprentissage supervisé 4. Forêt Aléatoire (Random Forest) 2 1 Plan 1. Introduction 2.

Plus en détail

PROGRAMME BADGE VISION MANAGER

PROGRAMME BADGE VISION MANAGER PROGRAMME BADGE VISION MANAGER Vision Manager programme BADGE Ecole internationale de management, l ESC Rennes School of Business a pour vocation de former des managers immédiatement opérationnels. Pour

Plus en détail