Program Year
UE Obligatoires
- Intégrale de Lebesgue et probabilités
Intégrale de Lebesgue et probabilités
Ects : 8
Lecturer :
JOSE TRASHORRASTotal hours : 78
Overview :
1. Théorie de la mesure (tribus, mesurabilité), intégration abstraite (Lebesgue).2. Théorèmes de convergence, théorème de Fubini, transformée de Fourier.3. Variables aléatoires, lois et convergence (presque sûre, en probabilité, en loi).4. Lemmes de Borel-Cantelli, suites des variables indépendantes, lois des grands nombres (fort), théorème de la limite centrale.5. Espérance conditionnelle.
Recommended prerequisites :
Les enseignements de L1 et L2 de la licence MIDO
Learning outcomes :
Introduction à l’intégrale de Lebesgue, à l’intégration dans les espaces abstraits; notions nécessaires pour la loi des grands nombres et le théorème de la limite centrale.
Assessment :
Deux épreuves écrites
Bibliography-recommended reading
Philippe Barbe et Michel Ledoux : « Probabilité »
- Calcul différentiel et optimisation
Calcul différentiel et optimisation
Ects : 8
Lecturer :
AMIC FROUVELLETotal hours : 78
Overview :
- Courbes paramétrées (de R dans R^2).
- Rappels sur la continuité. Continuité directionnelle. Dérivées directionnelles. Différentielle. Dérivées partielles. Gradient. Interprétation géométrique. Matrice Jacobienne. Opérations usuelles, dont composée.
- Accroissements finis. Fonctions de classe C1. Caractérisation.
- Point fixe de Banach. Point fixe à paramètre.
- Homéomorphismes. Difféomorphismes.
- Inversion locale (avec sa preuve) et ses corollaires (Inversion globale et application ouverte).
- Théorème des fonctions implicites.
- Ordre supérieur : Dérivée d ’ ordre 2. Hessienne. Théorème de Schwarz. Formules de Taylor d ’ ordre 1 et 2 (et suivants).
- Optimisation libre : conditions d ’ ordre 1, d ’ ordre 2. Cas des fonctions convexes une/deux fois différentiables.
- Sous-variétés (définitions équivalentes, équivalence admise) avec un but purement pratique. Théorème de l'espace tangent.
- Théorème des extrêmas liés.
Coefficient : 6
Recommended prerequisites :
Topologie (L2)
Learning outcomes :
Calcul différentiel dans un espace de Banach. Théorèmes d’inversion locale et des fonctions implicites. Optimisation libre dans un ouvert. Introduction aux sous-variétés dans l'optique de l'optimisation liée.
- Statistical modelling
Statistical modelling
Ects : 4
Lecturer :
CHRISTIAN ROBERTTotal hours : 49.5
Overview :
- Statistics, the what and why - Probabilistic models for statistics - Glivenko-Cantelli theorem, Monte Carlo principles, and the bootstrap - Likelihood function, statistical information, and likelihood inference - Bayesian inference
Coefficient : 4 ECTS
Recommended prerequisites :
A first course in (continuous) probability theory covering standard distributions, expectations, limit theorems, and conditional distributions
Require prerequisites :
A first course in (continuous) probability theory covering standard distributions, expectations, limit theorems, and conditional distributions
Learning outcomes :
This course is the first part of the two L3 statistics courses. It covers the fundamentals of parametric statistics, both from mathematical and methodological points of view, with some forays into computational statistics. The main theme is that modelling is an inherent part of the statistical practice, rather than an antecedent to the statistical step. Data may be a given, while models almost never are. This means one should keep a critical eye about models and develop critical tools to assess their adequation. Including, first and foremost, an assessment by simulation (Monte Carlo) methods. The course is entirely in English, except for the partial and final exams. Some practicals (TP) will be included, covering R language programming and applications to the bootstrap and Monte Carlo methodologies.
Assessment :
Mid-term exam and final exam, potentially completed by quizzes and projects along the semester
Bibliography-recommended reading
Casella and Berger (1989) Statistical Inference. Duxbury.
- Pré-rentrée L3 Mathématiques
Pré-rentrée L3 Mathématiques
Lecturer :
JULIEN POISATTotal hours : 15
Overview :
Probabilités : Espace de probabilité ; Variables aléatoires discrètes et continues ; Couples, indépendance et conditionnement ; Théorèmes limites ; Vecteurs gaussiens.
Partie topologie : Topologie générale, espaces métriques, compacité, complétude, espaces vectoriels normés.
Learning outcomes :
Donner les bases de probabilités et de topologie, afin de faciliter l’intégration des étudiants venant de l’extérieur (cours obligatoire pour ces étudiants et fortement recommandé pour les autres).
UE de parcours
- Algorithmes dans les graphes
Algorithmes dans les graphes
Ects : 4
Lecturer :
VIRGINIE GABREL-WILLEMINTotal hours : 36
Overview :
- Définition des graphes orientés et non orientés
- Modélisation de problèmes de décision sous la forme de graphes
- Algorithmes de parcours de graphes
- Détermination des composantes connexes et fortement connexes d'un graphe
- Algorithmes de plus courts chemins
- Flots dans un réseau
Learning outcomes :
Comprendre et concevoir des algorithmes (polynomiaux) sur les graphes
Assessment :
TP noté, Partiel et Examen
- Anglais 5
Anglais 5
Ects : 2
Lecturer :
CATHERINE BOILLOT-PATTERSONTotal hours : 19.5
Overview :
Faire acquérir aux étudiants des connaissances linguistiques spécialisées leur permettant de fonctionner efficacement dans leur futur contexte professionnel. Parcours et progression différenciés par semestre. Utilisation large des ressources audiovisuelles (caméra).
Learning outcomes :
Faire acquérir aux étudiants des connaissances linguistiques spécialisées leur permettant de fonctionner efficacement dans leur futur contexte professionnel. Parcours et progression différenciés par semestre. Utilisation large des ressources audiovisuelles (caméra).
UE Optionnelles
- Bases de données relationnelles
Bases de données relationnelles
Ects : 4
Lecturer :
MAUDE MANOUVRIERTotal hours : 48
Overview :
L'objectif de cet enseignement est de former les étudiants à la création et à la manipulation des bases de données relationnelles.
Au cours de cette unité d’enseignement, les étudiants vont apprendre à définir un schéma de base de données relationnelle à partir d’un modèle de données entité/association et/ou UML, à interroger et manipuler les données de la base en SQL (pour la manipulation de données, la définition de schéma du langage et la définition de déclencheurs), et à vérifier la cohérence des données et les propriétés d’un schéma de base de données.
Chaque partie du cours fait l'objet d'un cours magistral et d'une séance de TD.
Deux séances de TP permettront de mettre en pratique les connaissances acquises au cours de cet enseignement en utilisant un SGBD du marché.
Les étudiants auront également un TP noté, à réaliser en fin de module, mettant en œuvre sur un SGBD relationnel toutes les notions abordées en cours.
Coefficient : 5 ECTS
Recommended prerequisites :
Logique du 1er ordre
Learning outcomes :
- Connaissances théoriques et pratique du modèle relationnel (dépendances fonctionnelles, formes normales, création d'une base de données relationnelles en SQL).
- Langages d'interrogation de données relationnelles (Algèbre Relationnelle, Calcul Relationnel à Variables Nuplets, SQL).
Assessment :
Examen Partiel (20%), TP Noté (10%) et Examen Final (70%)
Bibliography-recommended reading
- J-L. Hainaut Bases de données - Concepts, utilisation et développement - 5e éd., InfoSup, Dunod, 2022, ISBN : 978-2100784608
- A. Silberschatz, H.F. Korth et S. Sudarshan, Database System Concepts, McGraw-Hill, 7ème édition, 2019, ISBN: 978-0073523323
- Java-objet
Java-objet
Ects : 4
Lecturer :
HUGO GILBERTTotal hours : 39
Overview :
Découpe d’un programme en fonctionnalités réutilisables, maitrise des concepts de la programmation orientée objet : classes, interfaces, encapsulation, design patterns. Programmation efficace, programmes clairs et élégants : exceptions, généricité, collections, programmation par contrat, Javadoc, tests JUnit. Quelques outils de développement du programmeur professionnel moderne seront abordés et exploités : eclipse, git pour la collaboration au sein d'une équipe.
Recommended prerequisites :
Maîtriser un autre langage de programmation.
Learning outcomes :
Les étudiantes et étudiants apprendront à implémenter, en Java, des programmes d’une certaine envergure, qui requièrent l’assemblage de plusieurs fonctionnalités. Ceci se fera grâce aux techniques de la programmation orientée objet. Ils et elles apprendront à découper les besoins en classes et objets de façon à maitriser la complexité des programmes non triviaux. Ils apprendront à réutiliser les fonctions déjà programmées par d’autres, et à fournir à leur tour des modules réutilisables. Ils pourront appliquer les bonnes pratiques de programmation, telle que la programmation par contrat, pour créer des programmes clairs, qui peuvent être maintenus et réutilisés.
Assessment :
L'UE sera évaluée à l'aide d'un examen écrit sur table et d'un projet informatique à réaliser en binôme.
- Produits dérivés et gestion des risques
Produits dérivés et gestion des risques
Ects : 4
Lecturer :
REMI LASSALLETotal hours : 39
Overview :
1. Rappel du modèle binomial, notion de probabilité risque neutre.2. Théorie de l’arbitrage dans un modèle à une période. 3. Marché complet et unicité de la probabilité risque neutre.4. Sélection de probabilité risque neutre via la maximisation d’utilité.5. Théorie de l’arbitrage dynamique (multi-périodes).6. Options Américaines.
Learning outcomes :
Présenter les méthodes de mesure et d’analyse des stratégies de gestion des produits dérivés et des risques financiers.
UE Obligatoires
- Statistique mathématique
Statistique mathématique
Ects : 5
Lecturer :
VINCENT RIVOIRARDTotal hours : 39
Overview :
- Outils de probabilité
- Concepts fondamentaux de la statistique
- Estimation ponctuelle
- Intervalles et régions de confiance
- Tests d’hypothèses - Généralités
- Tests fondés sur la vraisemblance
- Tests asymptotiques - Tests du Chi2
Recommended prerequisites :
Les notions de probabilité de la 2ème année de licence MIDO - Notions enseignées lors du cours du premier semestre « Statistical modelling »
Require prerequisites :
Les notions de probabilité de la 2ème année de licence MIDO
Learning outcomes :
Ce cours reprend et complète le cours du premier semestre « Statistical modelling » sous l'angle théorique de la décision en statistique mathématique. Les principales notions abordées sont l'estimation paramétrique, les régions de confiance et les tests statistiques.
Assessment :
Examen sur table
Learn more about the course :
- Differential equations
Differential equations
Ects : 4
Lecturer :
BORIS HASPOTTotal hours : 39
Overview :
1. Théorème de Cauchy-Lipschitz, alternative d’explosion. 2. Résolution explicite en dimension 1 (variables séparables, équations linéaires).3. Lemmes de Gronwall.4. Systèmes d’équations différentielles linéaires, portraits de phase. 5. Stabilité, linéarisation. 6. Méthode d’Euler explicite, consistance, stabilité.
Learning outcomes :
Bases de la théorie des équations différentielles et introduction à l'approche « systèmes dynamiques » des systèmes d'équations différentielles.
- Analyse fonctionnelle et analyse hilbertienne
Analyse fonctionnelle et analyse hilbertienne
Ects : 6
Lecturer :
OLIVIER GLASSTotal hours : 58.5
Overview :
Fonctions Lp. Inégalités de Minkowski et de Hölder. Espace Lp, complétude, réciproque du théorème de convergence dominée. Théorèmes de densité des fonctions régulières.Transformée de Fourier dans L1(R). Continuité, dérivabilité de la transformée de Fourier. Translation. Lemme de Riemann-Lebesgue. Transformée de Fourier de la gaussienne. Injectivité. Inversion.Produit de convolution dans L1(R). Généralisation : inégalité de Young. Bilinéarité, associativité, commutativité. Convolution et dérivation, et intégration. Translation. Lien entre convolution et transformée de Fourier.Produit scalaire réel, hermitien. Identité du parallélogramme, polarisation.Projection sur un convexe fermé. Cas d’un sous-espace vectoriel fermé. Théorème de Riesz.Orthogonalité. Familles orthonormales. Inégalité de Bessel. Bases hilbertiennes. Espace de Hilbert séparable. Égalité de Parseval.Application : transformée de Fourier dans L2.Séries de Fourier. Polynômes trigonométriques. Densité dans L2. Séries de Fourier et régularité. Théorème de convergence simple de Dirichlet. Théorème de convergence uniforme. Phénomène de Gibbs.
Learning outcomes :
Acquérir des bases en analyse fonctionnelle et en analyse hilbertienne.Se familiariser avec les espaces de fonctions classiques qui interviennent en probabilités et en analyse.Étudier la transformée de Fourier sur L1 et la convolution.Se familiariser avec l’analyse hilbertienne, et l’appliquer à la transformée de Fourier dans L2 et aux séries de Fourier.
- Méthodes numériques : optimisation
Méthodes numériques : optimisation
Ects : 5
Lecturer :
IDRISS MAZARITotal hours : 49.5
Overview :
Optimisation continue en une dimension : généralités, notions de convergence, vitesse de convergence, section dorée, autres méthodes. Notions de base en optimisation, convexité etc
Méthode de descente de gradient, méthode du gradient conjugué.
Ouverture(s) vers l'optimisation sous contrainte(s)
Learning outcomes :
Présentation de méthodes numériques pour l'optimisation et d'éléments d'analyse numérique. Mise en œuvre sous forme de travaux pratiques.
UE de parcours
- Programmation linéaire
Programmation linéaire
Ects : 4
Lecturer :
BRICE MAYAGTotal hours : 36
- Anglais 6
Anglais 6
Ects : 2
Lecturer :
CATHERINE BOILLOT-PATTERSONTotal hours : 19.5
Overview :
Groupes de niveau permettant de décliner compréhension et expression écrite (lettres de motivation, CV, mémos, rapports, synthèses) et compréhension et expression orale (vidéos, public speaking, présentations PP, entretiens, réunions).
Learning outcomes :
Faire acquérir aux étudiants des connaissances linguistiques spécialisées leur permettant de fonctionner efficacement dans leur futur contexte professionnel. Une expérience pilote déjà menée sur le Portfolio Européen des Langues (CercleS version for Higher Education, approuvée par le Conseil de l’Europe) est susceptible d’être élargie.Parcours et progression différenciés selon les niveaux, utilisation large des ressources vidéo, laboratoire de langues, et NTICE du Centre de Ressources en Langues (utilisation de logiciels intégrée au cours et proposés en auto-formation).
UE Optionnelles
- Théorie des jeux
Théorie des jeux
Ects : 4
Lecturer :
MARION OURYTotal hours : 39
Overview :
1. Éléments de théorie de la décision. Représentation d'une situation d'interaction stratégique (forme stratégique, forme extensive, stratégies mixtes et de comportement, équivalence dans les jeux à mémoire parfaite). Rationalité bayésienne, connaissance partagée et connaissance commune.2. Forme stratégique : stratégies dominantes, dominées, itérativement dominées. Meilleure réponse, équilibre de Nash, existence dans les jeux finis. Optimalité de Pareto. Jeux classiques.3. Jeux à somme nulle, valeur, théorème du MinMax.4. Forme extensive : induction amont, théorème de Zermelo, équilibre sous-jeux parfait.5. Jeux répétés, coopération endogène.6. Équilibres corrélés.
Learning outcomes :
Introduction à la théorie des jeux et à l’approche stratégique de la microéconomie.
- Économie dans l’incertain
Économie dans l’incertain
Ects : 4
Lecturer :
MARION OURYTotal hours : 39
Overview :
1. Choix en environnement risqué et théorie de von Neumann Morgenstern (vNM). (Préférences sur les loteries ; axiomatique de vNM ; théorème de l’espérance d’utilité ; limites de la théorie vNM : paradoxes d’Allais et d’Ellsberg).2. Aversion pour le risque (Définition et mesure ; notion d’équivalent certain ; comparaison des aversions au risque). 3. Comparaison des risques : dominance stochastique d’ordre 1 et d’ordre 2. 4. Applications (demande d’actif risqué en Finance, théorème d’Arrow en assurance…).
Learning outcomes :
Ce cours est un cours d’économie du risque : modélisation du problème de choix en environnement incertain et applications en finance et en assurance.
UE Optionnelles
- Grands enjeux contemporains
Grands enjeux contemporains
Ects : 4
Total hours : 36
Overview :
Exercices de synthèse de textes, exposés, entretiens, débats.
Learning outcomes :
Permettre aux étudiants d’acquérir une meilleure maîtrise de l’écrit et de l’oral
- Allemand 5&6
Allemand 5&6
Ects : 4
Lecturer :
ANNE CAUDALTotal hours : 39
Overview :
Espagnol:
Les étudiants seront divisés après un test d’entrée en groupes de niveau. Le but visé est de rendre à chaque niveau l’étudiant capable de communiquer dans le cadre de la vie de tous les jours, ainsi que dans celui du monde professionnel avec des interlocuteurs autochtones. Pour ce faire, on s’attachera non seulement à développer des savoir-faire linguistiques fondamentaux dans les quatre domaines classiques (compréhension de l’écrit et expression écrite, compréhension orale et expression orale), mais aussi à lui donner des informations propres au monde hispanique ou germanophone afin de lui permettre de mieux connaître la culture du pays et d’appréhender les différences culturelles (voir portfolio européen). Introduction à la préparation du Diploma Español Lengua Extranjera (DELE).
Objectifs selon groupe de niveau : A = consolidation des acquis. B = renforcement de la compréhension et de la communication écrite. C = recherche de l’autonomie langagière complète au travers du développement des expressions idiomatiques. Les séances ont lieu toute l’année, et l’évaluation compte pour le semestre 6.
Contenu selon groupe de niveau : A = renforcement de l’expression écrite (rédaction de courts compte-rendus, de lettres personnelles et professionnelles) ; présentation orale d’expériences et de projets ayant trait à la vie quotidienne ou à la vie professionnelle. B = travail sur des documents authentiques de la presse et de la télévision ; rédaction de lettres de motivation ; entraînement à l’entretien d’embauche. C = lecture de longs textes d’actualités ; étude de vidéos et de films ; rédaction de lettres, de CV et de rapports sur des sujets professionnels ou culturels.
Learning outcomes :
Allemand:
Les étudiants seront répartis en groupes de niveau: débutants (étudiants n'ayant jamais suivi de cours d'allemand), "recommençants" (A1-A2) ou avancés (B-C).
groupes des étudiants recommançants ou des avancés : Le but visé est de rendre l’étudiant capable de communiquer dans le cadre de la vie de tous les jours, et si possible également dans celui du monde professionnel. Pour ce faire, on s’attachera non seulement à développer par des activités variées ses savoir-faire linguistiques fondamentaux dans les quatre domaines classiques (compréhension de l’écrit et expression écrite, compréhension orale et expression orale), mais aussi à lui donner des informations propres au monde germanophone afin de lui permettre de mieux connaître la culture des différents pays de langue allemande. Autant de connaissances qui permettront à l'étudiant de disposer d'atouts pour s'intégrer dans le monde du travail de l'aire germanophone.
- Espagnol 5&6
Espagnol 5&6
Ects : 4
Lecturer :
BEATRICE AMISSETotal hours : 39
Overview :
Contenu variable selon le niveau du groupe, approche actionnelle : entraînement à la prise de parole en continu et en interaction (réagir, dialoguer) et à la compréhension écrite et orale : repérer les informations principales d’un texte, comprendre l’essentiel d’un document audio et/ou vidéo.
Le but visé est de rendre, à chaque niveau, l’étudiant capable de communiquer non seulement dans le cadre de la vie de tous les jours, mais aussi dans celui du monde professionnel avec des interlocuteurs natifs.
Les séances ont lieu toute l’année (cours annuel), et l’évaluation compte pour le semestre 6.
Recommended prerequisites :
Ce cours est ouvert aussi bien aux étudiants qui souhaitent découvrir la langue espagnole qu'à ceux qui ont déjà étudié cette langue vivante dans l'enseignement secondaire et/ou à l'université.
Require prerequisites :
Aucun.
Learning outcomes :
Les étudiants seront répartis, après un test de rentrée, par groupes de niveau allant depuis le niveau A1 (débutants acceptés) jusqu'au niveau B2/C1.
Les activités seront adaptées en fonction du niveau des apprenants, l’objectif étant d’amener chaque étudiant, en fonction de son niveau de départ, à développer son autonomie langagière. Les étudiants s’entraîneront principalement à la compréhension et à la production orale. L’accent sera également mis sur la connaissance des conventions sociales et des référents culturels propres au monde hispanique.
Assessment :
100% Contrôle continu.
Présence indispensable à tous les cours.
- Sport 5&6
Sport 5&6
Ects : 4
Academic Training Year 2024 - 2025 - subject to modification
Teaching Modalities
The course starts in September, and attendance is compulsory.
The third year is open by right to students who have completed the Mathematics-Computer Science course in the second year of the MIDO Bachelor's degree.
Courses are organized into semesters 5 and 6. Each semester is made up of a fundamental block, complementary UEs and optional UEs according to the distribution. Each fundamental block is made up of several UEs. Each UE is associated with a certain number of European credits (ECTS); each semester is associated with the sum of the ECTS associated with the UEs making up the semester.
Internships and Supervised Projects
Internship not required. The internship is closely related to the student’s studies and to their personal and professional goals. It is a highly recommended element of the curriculum.
Research-driven Programs
Training courses are developed in close collaboration with Dauphine's world-class research programs, which ensure high standards and innovation.
Research is organized around 6 disciplines all centered on the sciences of organizations and decision making.
Learn more about research at Dauphine