Syllabus
Bloc Fondements en Informatique des Organisations, IA et Sciences des Données S5
- Pré-rentrée C
Pré-rentrée C
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.
- Algorithmes dans les graphes
Algorithmes dans les graphes
- Statistical modelling
Statistical modelling
- 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.
- Deep learning 2
Deep learning 2
Bloc Fondements en Économie appliquée S5
- Pré-rentrée statistiques
Pré-rentrée statistiques
- 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
- Comptabilité approfondie
Comptabilité approfondie
- Economie industrielle européenne
Economie industrielle européenne
Ects : 4
Lecturer :
- MARC ISABELLE
Total hours : 18
Bloc Fondements Informatique des Organisations, IA et Sciences des Données S6
- Données semi-structurées
Données semi-structurées
Ects : 3
Lecturer :
Total hours : 45
Overview :
1. XML : Présentation de la norme XML et de ses principaux langages de manipulation (XPath, XSLT, XQuery) et de programmation (DOM, SAX).2. 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.3. 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.
- Systèmes d'exploitation
Systèmes d'exploitation
Ects : 4
Lecturer :
Total hours : 39
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 …
- Programmation linéaire
Programmation linéaire
- 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.
- 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)
- Projet de fin dannée / Challenge ou Stage de recherche (UROP-PSL)
Projet de fin dannée / Challenge ou Stage de recherche (UROP-PSL)
Bloc Fondements Économie appliquée S6
- Macroéconomie 5
Macroéconomie 5
- 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.
- Économie industrielle
Économie industrielle
Ects : 4
Lecturer :
Total hours : 36
Overview :
Objectifs de l'enseignement: L'objectif du cours est de fournir aux étudiants les modèles et outils théoriques essentiels en économie industrielle pour comprendre la concurrence sur les marchés et les stratégies des entreprises.
Description de l'Enseignement : Le cours d'Économie Industrielle traite de la concurrence imparfaite : - Introduction et remise à niveau en microéconomie - Les coûts de transaction et le pouvoir de monopole - L'intégration verticale - La discrimination par les prix - La contestabilité des marchés - Les barrières à l'entrée - L'économie des réseaux - L'antitrust - L'économie de l'information et de la connaissance - Globalis - La gestion du risque et des asymétries de l'information + de nombreuses études de cas Méthodes de l'Enseignement : Cours en groupe, cas d'études, mémoires
Coefficient : 1
Recommended prerequisites :
Microéconomie L2
Require prerequisites :
Microéconomie L2.
Learning outcomes :
Savoir raisonner sur les enjeux théoriques et empiriques en économie industrielle
Assessment :
Contrôle continu 50% Partiel 50%
Bibliography-recommended reading
Aghion, Philippe and Patrick Bolton (1987), « Contracts as a Barrier to Entry », The American Economic Review 77(3), pp. 388-401 George Akerlof [1970], « The Market for ‘ Lemons ’ : Qualitative Uncertainty and the Market Mechanism », Quarterly Journal of Economics 84, p. 488-500. Pierre Cahuc [1998], La nouvelle microéconomie, Repères, Paris. Dennis W. Carlton and Jeffrey M. Perloff [200], Modern Industrial Organization 3e édition, Addison Wesley Longman, Boston, MA. Ronald Coase [1937], « The Nature of the Firm », Economica ns. 4, 386-405, réimprimé. The Firm, the Market and the Law [1988], Chicago University Press, p. 33-56. Nicholas Economides [2001], « The Microsoft Antitrust Case », Journal of Industry, Competition and Trade (August 2001). Dominique Foray [2000], L ’ économie de la connaissance, Repères, Paris. Paul Joskow (2006), « Incentive Regulation in Theory and Practice: Electricity Distribution and Transmission Networks », MIT Working Paper. Jan Horst Keppler, « Barriers to Entry : Abolishing the Barriers to Understanding », Journal of Public Finance and Public Choice 27 (2-3), 2009, p. 99-124. Jean-Jacques Laffont et Jean Tirole [1993], A Theory of Incentives in Procurement and Regulation, The MIT Press, Cambridge, MA. Massimo Motta [2004], Competition Policy: Theory and Practice, Cambridge University Press. Michael E. Porter et Claas van der Linde [1995], « Toward a New Conception of the Environment-Competitiveness Relationship », Journal of Economic Perspectives 9 (4), Fall 1995, p. 97-118. Reinhardt, Forrest. L. [1999] « Market Failure and the Environmental Policies of Firms: Economic Rationales for ‘ Beyond Compliance ’ Behavior. » Journal of Industrial Ecology 3(1) p. 9 – 21. Shapiro, Carl and Hal J. Varian (1998), Information Rules: A Strategic Guide to the Network Economy, Harv ard Business School Press. Joseph Stiglitz (2000) Principles of modern economy, de Beck University. Jean Tirole (1989), La théorie de l'organisation industrielle, Paris, Economica.
- Gestion de portefeuilles
Gestion de portefeuilles
Academic Training Year 2025 - 2026 - subject to modification
Teaching Modalities
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