Syllabus
Bloc Fondements en Informatique des Organisations, IA et Sciences des Données 1
- Introduction to C langage
Introduction to C langage
Lecturer :
Total hours : 9
Overview :
This course covers:
- the development in C under Linux
- types
- functions
- pointers
- memory management
- libraries
- text file access
Require prerequisites :
Students are supposed to know Python and the basics of computer programming.
Learning outcomes :
This course is designed for Python-proficient students to explore the C programming language. The interactive training focuses on developing essential C-specific skills, emphasizing Linux-based development and command-line compilation. Students will delve into C's type system and its constraints, as well as master pointers and their powerful applications. The curriculum covers crucial aspects of memory management, including allocation and deallocation, and introduces the external tool Valgrind for detecting memory leaks. Additionally, the course encompasses file I/O operations with text files, utilization of mathematical function libraries, and techniques for measuring computation time. This comprehensive approach ensures students gain a solid foundation in C programming, bridging the gap between their Python knowledge and C expertise.
Bibliography-recommended reading
Brian Kernighan and Dennis Ritchie, The C programming language, Second Edition, Prentice Hall Software Series.
- Deep learning 2
Deep learning 2
- Graph algorithms
Graph algorithms
Ects : 4
Lecturer :
Total hours : 36
Overview :
This course, taught in english, covers the fundamentals of graph theory, its applications in computer science and operations research, and the most important graph algorithms. The focus is on the theoretical analysis of algorithms with performance guarantees. Topics covered include :
- Undirected and directed graph fundamentals and representation - Graph Traversal Algorithms (BFS, DFS) - Shortest Path Algorithms - Minimum Spanning Trees - Minimum Cut
Learning outcomes :
Algorithm design and analysis for graph problems.
Assessment :
Midterm (partiel) and a final exam.
- Statistical learning 2
Statistical learning 2
Ects : 4
Lecturer :
Total hours : 39
Overview :
We will cover the following topics in this course:
- Least squares regression
- Ridge regression
- LASSO
- PCA
- Kernel methods
Require prerequisites :
- Linear algebra
- Basic probability
Learning outcomes :
The goal of this course is to get acquainted with the mathematics behind the classical machine learning algorithms.
Assessment :
- 25% Midterm exam
- 75% Final exam
Bibliography-recommended reading
The material in this course takes inspiration from the following excellent ressources:
- Bach, Francis. Learning theory from first principles. MIT press, 2024.
- Hastie, Trevor, et al. The elements of statistical learning: data mining, inference, and prediction. Vol. 2. New York: springer, 2009.
- Murphy, Kevin P. Machine learning: a probabilistic perspective. MIT press, 2012.
- Wasserman, Larry. All of statistics: a concise course in statistical inference. Springer Science & Business Media, 2013.
- Statistical modelling
Statistical modelling
Bloc Fondements en Économie appliquée 1
- Pré-rentrée statistiques
Pré-rentrée statistiques
- Pré-rentrée VBA
Pré-rentrée VBA
- Comptabilité approfondie
Comptabilité approfondie
- Economie industrielle européenne
Economie industrielle européenne
Ects : 4
Lecturer :
- MARC ISABELLE
Total hours : 18
- Économie internationale
Économie internationale
Ects : 4
Lecturer :
Total hours : 36
Overview :
Le cours présente en introduction un ensemble de faits stylisés et d’indicateurs permettant de caractériser la mondialisation commerciale. L'enseignement est ensuite consacré aux théories du commerce international et de la spécialisation des pays : modèle ricardien des avantages comparatifs, modèle de dotations factorielles, nouvelles théories du commerce international (modèle de Krugman avec économies d'échelle en concurrence imparfaite),…
Les modèles de commerce international les plus récents (firmes hétérogènes,...) feront l'objet d'un cours en M1.
Coefficient : 1
Require prerequisites :
Cours de base de micro-économie et de macro-économie.
Learning outcomes :
L'objectif de ce cours est de présenter les outils théoriques permettant d’étudier le processus de mondialisation commerciale, ses déterminants et ses conséquences. Il offre les bases conceptuelles requises pour appréhender les enjeux économiques du commerce international. Plusieurs modèles sont analysés et mis en perspective avec les faits et les études empiriques.
Assessment :
Examen final 50% Contrôle continu 50%
Bibliography-recommended reading
- Guillochon B., Peltrault F. et Venet B. (2020), Économie internationale , 9ème édition, Dunod. - Krugman, P., M.Obstfeld et M. Melitz (2022), Economie internationale, 12ème édition, Pearson Education France. - Ledezma I., Lenoble H. (2021), Économie internationale, 1ère édition, Presses Universitaires de France - P.U.F..
- Microéconomie 5
Microéconomie 5
- Produits et marchés financiers
Produits et marchés financiers
Ects : 6
Lecturer :
- PHILIPPE GILLET
Total hours : 54
Bloc Fondements Informatique des Organisations, IA et Sciences des Données 2
- Applications du deep learning
Applications du deep learning
Ects : 3
Lecturer :
Total hours : 39
Overview :
Révision des fondamentaux du deep learning : algorithme de rétropropagation du gradient, lois d'initialisation des paramètres, pré-traitements et couches de neurones classiques, utilisation de la SGD et d'Adam.
Maîtrise de PyTorch: datasets, data loaders, graphe de calcul et différentiation automatique, sauvegarder et charger des modèles, classes Module, Tensor et Parameter.
Inférence bayésienne, inférence variationnelle, Variational Auto-Encoders (VAE), modèles de diffusion.
Neural Language Processing (NLP): Recurrent Neural Networks (RNN), LSTM, couches d'attention, réseaux transformers.
Recommended prerequisites :
Python + programmation orientée objet.
Require prerequisites :
Python, calcul différentiel et intégral, statistiques (espérance et espérance conditionnelle).
Learning outcomes :
Connaître les fondations mathématiques et informatiques du deep learning.
Comprendre le fonctionnement des modèles de diffusion et des Large Language Models (LLM).
Assessment :
TP noté + projet.
- Données semi-structurées
Données semi-structurées
Ects : 3
Lecturer :
Total hours : 45
Overview :
- XML : Présentation de la norme XML et de ses principaux langages de manipulation (XPath, XSLT, XQuery) et de programmation (DOM, SAX).
- JSON : Définition des données en JSON, validation d'un document JSON, langages de requêtes pour JSON et différences avec XML et passage du XML au JSON.
- RDF : Modèle de données RDF, langage de description des vocabulaires RDF (RDFS) et langage de représentation des ontologies (OWL), interrogation de données RDF (SPARQL) et différences et liens avec XML (syntaxe RDF/XML) et JSON (JSON-LD).
Learning outcomes :
Former les étudiants aux normes du World Wide Web Consortium (W3C) pour modéliser et manipuler les données semi-structurées : XML (Extensible Markup Language) et JSON (JavaScript Object Notation) qui permettent de représenter des données textuelles (documents) ayant une structure potentiellement irrégulière, et RDF (Resource Description Framework) qui permet de décrire les ressources du Web sous la forme de graphe en les enrichissant avec de l'information sémantique. L'objectif du cours est d'apprendre aux étudiants comment représenter les données avec ces différentes normes, comment valider la représentation des données, ainsi que les transformer et les interroger. Chaque partie du cours fera l'objet d'un cours magistral et de plusieurs séances de TP.
- Game theory and Mechanism design
Game theory and Mechanism design
Ects : 4
Lecturer :
Total hours : 39
Overview :
This course provides an introduction to Game Theory and Mechanism design, with computational considerations.
- simultaneous games (dominant strategy equilibrium, Nash equilibrium in pure and mixed strategy, examples, zero-sum games, potential games)
- sequential games (sub game perfect equilibrium, repeated games)
- Auctions
- Mechanism Design (VCG mechanism)
- Algorithmic Mechanism Design
- Online Advertising markets
- If time allows: additional topics may include combinatorial auctions, matching markets, prediction markets
Learning outcomes :
- How to analyse a system where incentives matter
- Analyse or design solutions that are computationally feasible
Assessment :
2024-2025 exam only
Bibliography-recommended reading
Algorithmic Economics: A Design Approach by David Parkes and Sven Seuken (draft 2024)
- Programmation linéaire
Programmation linéaire
- Projet de fin dannée ou Stage de recherche (UROP-PSL)
Projet de fin dannée ou Stage de recherche (UROP-PSL)
- Systèmes d'exploitation
Systèmes d'exploitation
Ects : 4
Lecturer :
Total hours : 36
Overview :
Ce cours étudie le système d'exploitation UNIX en général et la programmation système en particulier. Le système d'exploitation est le premier programma exécuté lors de la mise en marche d'un ordinateur. Il contrôle l'exécution de tous les programmes d'applications et soustrait le matériel au regard de l'utilisateur. Il est donc important de l'analyser pour comprendre comment fonctionne un ordinateur.
Nous choisissons de baser notre études sur UNIX parce qu'il est le plus utilisé sur Internet par les équipements réseaux (routeurs, serveurs web ou serveurs DNS). De plus, il est gratuit et son code est libre et accessible (open source).
Les grandes parties de ce cours sont les suivantes:
(1) Introduction au langage de programmation C ;
(2) Vue générale d'un système d'exploitation;
(3) Système de gestion de fichiers UNIX ;
(4) Généralités sur les processus et ordonnancement ;
(5) Gestion des processus sous UNIX ;
(6) Communication inter-processus par tubes et notion de mémoire partagée ;
(7) Communication inter-processus par signaux.
Le chapitre (1) donne les éléments du langage C nécessaires pour aborder la programmation système.
Le chapitre (2) rappelle l'historique des systèmes d'exploitation et décrit leur structure générale.
Le chapitre (3) décrit le système de gestion de fichiers qui est l'un des éléments de base du système d'exploitation, et insiste sur celui d'UNIX.
Le chapitre (4) aborde de manière plus détaillée les processus et leur ordonnancement.
Le chapitre (5) insiste sur la gestion des processus dans le système UNIX.
Les chapitres (6) et (7) abordent la communication entre processus, en particulier la communication à travers des tubes et par signaux.
Le cours est organisé en cours magistraux et séances de travaux dirigées et/ou travaux pratiques. A chaque chapitre est associé une série d'exercices et de problèmes pour amener les étudiants à mieux assimiler les différentes notions abordées en cours.
Learning outcomes :
Comprendre les différentes tâches d ’ un système d ’ exploitation : faire l ’ interface entre l ’ utilisateur et la machine, gestion des processus (ordonnancement, communication), gestion des ressources (exclusion mutuelle), gestion des fichiers (organisation du disque) et de la mémoire (mémoire virtuelle). Comprendre le lien entre systèmes d ’ exploitation et développement : appels système, compilation, librairies …
Bloc Fondements Économie appliquée 2
- Gestion de portefeuilles
Gestion de portefeuilles
- Introduction à l'économétrie
Introduction à l'économétrie
Ects : 4
Lecturer :
Total hours : 36
Overview :
Ce cours présente les aspects théoriques de l'économétrie, ainsi que la mise en oeuvre opérationnelle des modèles économétriques et des tests à l'aide du logiciel GRETL.
Modèle de régression linéaire simple, modèle de régression multiple, tests de Student, tests de Fisher (dont tests par analyse de la variance), violation des hypothèses (auto-corrélation et hétéroscédasticité)
Recommended prerequisites :
Cours de statistiques : théorie des tests
Learning outcomes :
L'objectif est qu'à l'issue des 12 séances du semestre, les étudiants puissent résoudre par eux-mêmes les problèmes d'estimations classiques auxquels ils pourraient être confrontés, et interpréter les résultats de l'estimation d'un modèle économétrique.
Assessment :
Projet sur GRETL, examen intermédiaire et examen terminal
Bibliography-recommended reading
BOURBONNAIS R., Econométrie, DUNOD. 11 ème édition. 2021. BOURBONNAIS R., Exercices pédagogiques d ’ économétrie avec corrigés et rappel synthétique de cours. Economica. 3 ème Edt., Janvier 2015. GREENE W. H., Econométrie, Pearson, 2011.
- Macroéconomie 5
Macroéconomie 5
- Régulation européenne des marchés
Régulation européenne des marchés
Ects : 2
Lecturer :
- MARC ISABELLE
Total hours : 36
Overview :
Il est programmé sur cinq séances de trois heures :
- 1. Le marché commun européen et les aides d'État ;
- 2. Analyse économique du contentieux ;
- 3. Les méthodes et les outils économiques mis en oeuvre par la Commission européenne ;
- 4. Les plans d'affaires ;
- 5. Étude de cas : notification individuelle d'une aide aux activités de R&D.
Require prerequisites :
Microéconomie L2 + des connaissances élémentaires en économie industrielle.
Learning outcomes :
Les financements publics d'activités économiques sont soumis à la réglementation communautaire sur les aides d'État. Les aides d'État sont interdites à priori par le Traité sur le Fonctionnement de l'Union Européenne car elles faussent le libre jeu de la concurrence, un des piliers du bon fonctionnement du marché commun européen. Elles peuvent toutefois être autorisées à titre dérogatoire dans un objectif d'équité, ou pour certaines activités que le fonctionnement normal du marché produit en quantités insuffisantes :
- La R&D et l'innovation ;
- La formation ;
- Le capital-investissement ;
- La protection de l'environnement et la lutte contre le changement climatique,...
La Commission européenne est le gendarme des aides d'État pour toute l'Union Européenne. En 2005, sous l'impulsion de la Commissaire à la concurrence Mme Nelly Kroes, la Commission a lancé une vaste réforme des aides d'État, avec comme slogan "Des aides d'État moins nombreuses et mieux ciblées". Un volet majeur de cette réforme a été la définition puis la mise en oeuvre d'une approche économique affinée des aides d'État. Celle-ci, pleinement inspirée par la théorie microéconomique (défaillances de marché, effet d'incitation, distorsions de concurrence), consiste à apprécier les effets économiques positifs et négatifs d'une aide puis à en faire la mise en balance de façon à décider si l'aide est compatible ou pas avec le Traité sur le Fonctionnement de l'Union Européenne. Sept ans après, la méthode et les outils microéconomiques ont pris une place importante au coeur du contrôle communautaire des aides d'État.
Ce cours a un double objectif :
- Présenter les grands principes de la réglementation communautaire sur les aides d'État ;
- Présenter les nouvelles méthodes et les nouveaux outils économiques mis en oeuvre par la Commission Européenne pour apprécier la compatibilité des aides d'État.
Assessment :
- Contrôle continu (50%) ;
- Partiel (50%).
Academic Training Year 2025 - 2026 - subject to modification
Teaching Modalities
Detailed assessment methods are communicated at the beginning of the year.
The three multidisciplinary years are shared by all students enrolled in the dual Bachelor's Degree. Students attend group classes for a large part of the program and also receive close pedagogical follow-up. The curriculum includes fundamental courses from the Bachelor's degree in Organizational Sciences and the Bachelor's degree in Mathematics and Computer Science, and also includes new, dedicated courses. The dual skills conferred by this double degree require a solid mastery of the foundational computer science and math used in artificial intelligence technologies, as well as a detailed understanding of their societal and managerial impact.
Internships and Supervised Projects
For each of the three years of the program, a week will be blocked off and devoted to multidisciplinary supervised group projects, enabling students to become familiar with manipulating real data.
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