Ingénierie Statistique et Financière - 2e année de Master

Descriptif des cours

Pré-rentrée

  • Analyses factorielles
  • Calculs stochastiques
  • Modèles linéaires

Bloc fondamental

  • Deep learning : architectures et optimisation
  • Langage SQL
  • Machine learning : Algorithmes en pratique avec Python
  • Méthodes pour la régression et la classification
  • Visualisation des données avec R

Bloc complémentaire "voie Finance"

  • Calcul stochastique et applications en finance
  • Calculs stochastiques et méthodes avancées en finance
  • Gestion des risques et construction de portefeuille
  • Initiation à VBA pour Excel
  • Modèles de taux d'intérêt
  • Pratique de Bloomberg

Bloc complémentaire "voie Science des données"

  • Enjeux et modélisation des risques climatiques
  • Learning theory
  • Méthodes actuarielles
  • Reinforcement learning

Bloc fondamental

  • Culture financière et de l'assurance
  • Data project
  • Leadership et communication
  • Natural Language Processing (NLP)

Bloc complémentaire "voie Finance"

  • Activités de marché d'une banque d'investissement
  • Calibration de Modèles
  • Gestion globale des risques : VAR
  • Méthodes numériques en finance
  • Produits structurés
  • Risque de crédit

Bloc optionnel "voie Finance"

  • Apprentissage non supervisé - Clustering
  • Gestion Actif-Passif et Modélisation ALM (dans le cadre de la Solvabilité 2)
  • Méthodes actuarielles
  • Advanced machine learning
  • Clustering en pratique
  • Data quality
  • Generative AI for business
  • Séries temporelles et applications actuarielles
  • Trading algorithmique

Bloc complémentaire "voie Science des données"

  • Advanced machine learning
  • Clustering en pratique
  • Cybersécurtié : bases et pratique
  • Data quality
  • Generative AI for business
  • Machine learning - Théorie et algorithme

Bloc optionnel "voie Science des données"

  • Apprentissage non supervisé - Clustering
  • Calcul stochastique et applications en finance
  • Gestion Actif-Passif et Modélisation ALM (dans le cadre de la Solvabilité 2)
  • Gestion des risques et construction de portefeuille
  • Initiation à VBA pour Excel
  • Pratique de Bloomberg
  • Activités de marché d'une banque d'investissement
  • Apprentissage statistique et Monte-Carlo accéléré pour le calcul du SCR en assurance vie
  • Calibration de Modèles
  • Estimation non paramétrique
  • Produits structurés
  • Risque de crédit
  • Séries temporelles et applications actuarielles

Bloc mémoire - 12 ECTS

Formation année universitaire 2025 - 2026 - sous réserve de modification

Modalités pédagogiques

Les Modalités des Contrôles de Connaissances (MCC) détaillées sont communiquées en début d'année.

La formation s'étend sur une année, avec une présence obligatoire. Le master comprend environ 400 heures d'enseignement, correspondant à 48 crédits ECTS, ainsi qu'un stage obligatoire en entreprise d'une durée minimale de trois mois, équivalant à 12 crédits ECTS.
Les enseignements de la deuxième année de Master mention Mathématiques et Applications parcours ISF sont organisés en semestres 3 et 4. Chaque semestre est constitué d’un bloc fondamental et des blocs complémentaire et optionnel "voie Finance" ou "voie Sciences des données", auxquels s’ajoute une UE stage pour le semestre 4.

UE fondamentales

  • Anglais des affaires
  • Decentralized et Crypto Finance : new era of financial services
  • Deep learning
  • Introduction à l'apprentissage supervisé
  • Introduction à l'assurance vie et non vie
  • Introduction au Machine learning
  • Méthodes actuarielles
  • Méthodes pour les modèles de régression
  • Méthodologie en gestion globale des Risques : VaR
  • Processus Stochastiques
  • SAS, R et Python
  • Solvabilité II

UE complémentaires voie QRF

  • Modélisation stochastique du risque de crédit
  • Statistiques et dynamique des produits dérivés

UE fondamentales

  • Culture Financière et pratique de Bloomberg
  • Pratique des options
  • Python et pratique de la Data Science

UE complémentaires voie QRF

  • Implémentation de modèles multivariés en finance et assurance
  • Modélisation stochastique de la courbes de taux

UE complémentaires voie MDB

  • Data Science pour le Business
  • Machine Learning, Transformer et NLP
  • Recent Advances in Data Sciences
  • Renforcement Learning

Conduite de projets et mémoire - 15 ECTS

  • Conduite de projet et Mémoire

Formation année universitaire 2025 - 2026 - sous réserve de modification

Modalités pédagogiques

Les Modalités des Contrôles de Connaissances (MCC) détaillées sont communiquées en début d'année.

Les enseignements de la deuxième année de Master mention Mathématiques et Applications pour le parcours ISF en apprentissage sont organisés en semestres 3 et 4. Le semestre 3 est constitué d’UE fondamentales et le semestre 4 est constitué d’UE fondamentales et d’UE complémentaires voie "Quantification des Risques Financiers (QRF)" ou voie "Modélisation et Big Data (MBD)" auquel s’ajoute une note bloc "Conduite de projet et mémoire".
La formation démarre en septembre. Le rythme d'alternance est de 3 jours en entreprise et 2 jours à l'université.