PROGRAMME
Le Master 2 MoSEF – Data Science de l’Université Paris 1 Panthéon-Sorbonne propose une formation de haut niveau, associant les fondements scientifiques de la statistique et de l’économétrie aux technologies avancées de la Data Science et de l’Intelligence Artificielle.
Son programme repose sur une approche à la fois académique, technologique et professionnalisante, permettant aux étudiants de maîtriser l’ensemble de la chaîne de valorisation des données : collecte, traitement, modélisation, prédiction, interprétation et mise en production.
Une attention particulière est portée aux applications de ces méthodes dans les domaines de la banque, de la finance, de l’assurance et plus largement aux problématiques de transformation numérique des entreprises.
Modalités pédagogiques
MASTER 2 : MODELISATIONS STATISTIQUES ECONOMIQUES ET FINANCIERES
| SEMESTRE 3 | Volume Horaire | ECTS |
|---|---|---|
| SAS | 18 | 1 |
| Python Avancé | 15 | 1 |
| Techniques de Base de données & Dashboard interactif | 16 | 1 |
| CRM Analytics | 18 | 2 |
| Finance Quantitative | 45 | 3 |
| Modélisation du Risque de Crédit & Scoring | 24 | 3 |
| Cloud Data Engineering (Azure, Spark) | 24 | 3 |
| Web Scraping et API | 27 | 3 |
| Ingénierie et Gestion de code: Linux, Docker et GitHub | 18 | 3 |
| Machine Learning Appliqué & Optimisation Avancée | 46 | 4 |
| Machine Learning et Projet Machine Learning | 46 | 4 |
| Certifications Professionnelles, Cloud & SAS Data Science | 18 | 2 |
| TOTAL SEMESTRE 3 | 315 | 30 |
| SEMESTRE 4 | Volume Horaire | ECTS |
|---|---|---|
| Ethique des données | 6 | 0 |
| Interventions de data scientists | 14 | 0 |
| Séminaire Professionnel Intelligence Artificielle | 6 | 0 |
| Master Class Employabilité et Carrières | 6 | 0 |
| Natural Language Processing | 24 | 3 |
| Deep Learning | 18 | 3 |
| Modèles de Prévision et Deep Learning | 24 | 3 |
| Advanced Time Series | 18 | 2 |
| Econométrie financière | 18 | 2 |
| Big Data Architecture (Hadoop, Hive, Spark) | 24 | 2 |
| Mise en Production Projet Data (Mlops...) | 24 | 2 |
| Chatbot, Projet Entreprise & Challenge (suivi) | 33 | 3 |
| Insertion Professionnelle/ Stage/ Mémoire | 0 | 10 |
| TOTAL SEMESTRE 4 | 215 | 30 |
MASTER 1: ÉCONOMÉTRIE STATISTIQUES
| SEMESTRE 2 | Volume Horaire | ECTS |
|---|---|---|
| Econométrie des Modèles Qualitatifs | 54 | 6 |
| Econométrie Financière | 54 | 6 |
| Langage de Programmation Python : Introduction au Machine Learning | 24 | 2 |
| Econométrie Appliquée des Series Temporelles | 48 | 6 |
| Anglais | 18 | 2 |
| 1 option parmi : | 54 | 4 |
| - Produits Dérivés et Gestion des Risques | ||
| - Development macroeconomics | ||
| Stage ou Mémoire | 0 | 4 |
| TOTAL SEMESTRE 2 | 252 | 30 |
| SEMESTRE 1 | Volume Horaire | ECTS |
|---|---|---|
| Gestion de Bases de Données | 24 | 0 |
| Econométrie Avancée des Modèles Linéaires | 54 | 6 |
| Analyses des Données et Introduction au Machine Learning | 54 | 6 |
| Langage de Programmation Python | 24 | 2 |
| Econométrie Appliquée des Modèles Linéaires | 48 | 6 |
| Econométrie Appliquée des Modèles de Santé | 24 | 4 |
| Anglais | 18 | 2 |
| 1 option parmi : | 54 | 4 |
| - OpenMacroeconomics | ||
| - Microéconomie | ||
| - Financial Market | ||
| TOTAL SEMESTRE 1 | 300 | 30 |
PROJETS TUTORÉS, STAGES ET ALTERNANCE
Les étudiants travaillent en groupe sur des sujets appliqués dans plusieurs cours. Les objectifs de ces projets sont de :
- fournir aux étudiants des connaissances fondamentales en matières de gestion de temps et de la gestion de projet ;
- rassembler et mettre en œuvre l’ensemble des compétences acquises dans le cadre du master pour répondre aux besoins du projet ;
- développer des compétences spécifiques telles que la gestion de la relation client, le travail en équipe, la prise de décision et la communication (orale et écrite).
