Descriptif des cours
Bloc Fondements en Informatique des Organisations, IA et Sciences des Données S5
- Pré-rentrée C
Pré-rentrée C
Enseignant responsable :
Volume horaire : 9
Description du contenu de l'enseignement :
This course covers:
- the development in C under Linux
- types
- functions
- pointers
- memory management
- libraries
- text file access
Pré-requis obligatoire :
Students are supposed to know Python and the basics of computer programming.
Compétences à acquérir :
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.
Bibliographie-lectures recommandées
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
Enseignant responsable :
Volume horaire : 39
Description du contenu de l'enseignement :
We will cover the following topics in this course:
- Least squares regression
- Ridge regression
- LASSO
- PCA
- Kernel methods
Pré-requis obligatoire :
- Linear algebra
- Basic probability
Compétences à acquérir :
The goal of this course is to get acquainted with the mathematics behind the classical machine learning algorithms.
Mode de contrôle des connaissances :
- 25% Midterm exam
- 75% Final exam
Bibliographie-lectures recommandées
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
Enseignant responsable :
Volume horaire : 36
Description du contenu de l'enseignement :
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
Pré-requis obligatoire :
Cours de base de micro-économie et de macro-économie.
Compétences à acquérir :
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.
Mode de contrôle des connaissances :
Examen final 50% Contrôle continu 50%
Bibliographie-lectures recommandées
- 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
Enseignant responsable :
- PHILIPPE GILLET
Volume horaire : 54
- Comptabilité approfondie
Comptabilité approfondie
- Economie industrielle européenne
Economie industrielle européenne
Ects : 4
Enseignant responsable :
- MARC ISABELLE
Volume horaire : 18
Bloc Fondements Informatique des Organisations, IA et Sciences des Données S6
- Données semi-structurées
Données semi-structurées
Ects : 3
Enseignant responsable :
Volume horaire : 45
Description du contenu de l'enseignement :
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).
Compétences à acquérir :
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
Enseignant responsable :
Volume horaire : 39
Description du contenu de l'enseignement :
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.
Compétences à acquérir :
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
Enseignant responsable :
Volume horaire : 39
Description du contenu de l'enseignement :
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.
Pré-requis recommandés :
Python + programmation orientée objet.
Pré-requis obligatoire :
Python, calcul différentiel et intégral, statistiques (espérance et espérance conditionnelle).
Compétences à acquérir :
Connaître les fondations mathématiques et informatiques du deep learning.
Comprendre le fonctionnement des modèles de diffusion et des Large Language Models (LLM).
Mode de contrôle des connaissances :
TP noté + projet.
- Game theory and Mechanism design
Game theory and Mechanism design
Ects : 4
Enseignant responsable :
Volume horaire : 39
Description du contenu de l'enseignement :
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
Compétences à acquérir :
- How to analyse a system where incentives matter
- Analyse or design solutions that are computationally feasible
Mode de contrôle des connaissances :
2024-2025 exam only
Bibliographie-lectures recommandées
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
Enseignant responsable :
Volume horaire : 36
Description du contenu de l'enseignement :
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)
Pré-requis recommandés :
Cours de statistiques : théorie des tests
Compétences à acquérir :
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.
Mode de contrôle des connaissances :
Projet sur GRETL, examen intermédiaire et examen terminal
Bibliographie-lectures recommandées
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
Enseignant responsable :
Volume horaire : 36
Description du contenu de l'enseignement :
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
Pré-requis recommandés :
Microéconomie L2
Pré-requis obligatoire :
Microéconomie L2.
Compétences à acquérir :
Savoir raisonner sur les enjeux théoriques et empiriques en économie industrielle
Mode de contrôle des connaissances :
Contrôle continu 50% Partiel 50%
Bibliographie-lectures recommandées
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
Formation année universitaire 2025 - 2026 - sous réserve de modification
Modalités pédagogiques
Les trois années, pluridisciplinaires, sont communes à toutess les étudiantes et tous les étudiants inscrits dans la Double Licence. Les étudiantes et les étudiants bénéficient d’un enseignement en groupe-classe pour une grande partie de la formation et d’un suivi pédagogique rapproché.
Le cursus comporte un socle d’enseignements fondamentaux de la licence Sciences des organisations et de la licence Mathématiques-Informatique, et des enseignements nouveaux et dédiés. En effet, la double compétence validée par ce double diplôme suppose à la fois une connaissance solide des fondements informatiques et mathématiques des technologies de l’intelligence artificielle et une compréhension fine de leurs impacts sociétaux et managériaux.
Stages et projets tutorés
Pour chacune des trois années du cursus, une semaine bloquée sera dédiée à des projets tutorés interdisciplinaires et en groupes, permettant aux étudiantes et aux étudiants de se familiariser avec la manipulation de données réelles.
Des programmes nourris par la recherche
Les formations sont construites au contact des programmes de recherche de niveau international de Dauphine, qui leur assure exigence et innovation.
La recherche est organisée autour de 6 disciplines toutes centrées sur les sciences des organisations et de la décision.
En savoir plus sur la recherche à Dauphine