La vie du MoSEF

Modélisation de la probabilité de défaut bâloise

Pour la deuxième édition du challenge, les équipes ont conçu et présenté des applications consacrées à la modélisation du risque de crédit et de la probabilité de défaut réglementaire.

Équipe gagnante : Axel Fritz, Samuel Baheux, Samuel Pariente Launay et Jingyi Zhou.

DRiM Game : le MoSEF vainqueur

Les étudiants ont étudié les facteurs explicatifs des taux de recouvrement sur des portefeuilles de crédits en défaut, afin d’améliorer la compréhension et le pilotage du risque bancaire.

1er prix : Mehdi Agunaou, Nirushanth Arichandra, Nelson Castro et Ahmad Charaf.

DRiM Game : migrations de notation

Nouvelle édition de la compétition interuniversitaire consacrée à la prévision de l’évolution des notations de crédit selon la conjoncture économique et différents horizons temporels.

Data Kontest : prédire les marchés financiers

Une semaine de travail collectif sur la prévision à court terme de l’évolution du CAC 40, associant Machine Learning, analyse du sentiment et construction de stratégies d’investissement.

Data Kontest : la deuxième édition remportée par le MoSEF

Une compétition d’une semaine réunissant une cinquantaine d’étudiants autour d’une problématique de Data Science et de traitement automatique du langage.

Équipe gagnante « MoSEF is coming » : Pierre-Arthur Claudé, Taha Hessane et Maksym Sugonyaka.

Cybermenaces : détecter les malwares

Une édition consacrée à la prédiction de comportements de logiciels potentiellement malveillants, avec une attention particulière accordée à l’explicabilité. 218 participants, 87 équipes.

1er prix MoSEF : Sorbonne Data Coders, avec Salma Benmoussa, Hella Bouhadda, Charlotte Cegarra et Chirine Dexposito.

Sport Data : la Formule 1

Des modèles prédictifs pour anticiper les résultats du championnat de Formule 1 2021, à partir des données sportives et techniques.

Prévoir la production des éoliennes

Les étudiants ont appliqué la modélisation et le Machine Learning à des données industrielles afin de prédire la production électrique issue de l’énergie éolienne.

Modéliser les émissions de CO₂

Une étude prédictive des émissions des véhicules selon leurs caractéristiques techniques, reliant méthodes statistiques et enjeux de transition écologique.

Data Value for Bank

Organisée à Tunis en lien avec l’Union Internationale de Banques et son InnoLab, cette rencontre a été consacrée à la création de valeur à partir des données dans les activités bancaires. Les étudiants du Master 2 MoSEF ont échangé avec des professionnels sur les applications de la Data Science, les enjeux de valorisation de l’information et la transformation numérique des métiers de la banque.

Data Workstation on the Stage

Cette nouvelle rencontre a pris la forme d’ateliers collaboratifs associant les étudiants du MoSEF et des experts métiers et data de l’UIB. Répartis en groupes, les étudiants ont travaillé sur des problématiques liées à la banque de détail et à la stratégie Retail, avant de présenter leurs analyses. L’événement a permis de confronter les approches quantitatives aux exigences de décision et de mise en œuvre propres au secteur bancaire.

L’IA maîtrisée pour une banque réinventée

Consacrée à l’intégration maîtrisée de l’intelligence artificielle dans les activités bancaires, cette édition a réuni les étudiants du MoSEF et les équipes de l’InnoLab de l’UIB autour de sept ateliers de co-construction. Les échanges ont notamment porté sur l’IA générative et prédictive, l’aide à la décision, la production de contenus, l’appropriation des normes IFRS et les systèmes d’information. Cette rencontre témoigne de la continuité d’un partenariat fondé sur le dialogue entre expertise académique et besoins opérationnels.