Ingénieur diplômé de CY Tech de CY Cergy Paris Université Spécialité Mathématiques appliquées

RNCP42760BC01Analyser et exploiter des données pour la prise de décision stratégique

• Concevoir un dispositif de collecte et de structuration de données répondant à une problématique stratégique ou sectorielle, en cartographiant les besoins et en organisant les bases de données selon des règles adaptées. Explorer, préparer et analyser des données quantitatives et qualitatives issues de sources variées, en formulant des hypothèses et en synthétisant les résultats obtenus. Modéliser des phénomènes complexes à l'aide de méthodes statistiques, économétriques ou d'apprentissage automatique. Conduire des analyses prédictives pour identifier tendances, risques et opportunités au service de la décision stratégique.

Évaluation : Évaluations écrites et interrogations orales Projets intégrés aux enseignements des éléments constitutifs Projets de fin d’année Situations d’apprentissage et d’évaluation Mémoire et soutenance de stage

RNCP42760BC02Concevoir et mettre en œuvre des modèles mathématiques et des solutions numériques en sciences des données pour la finance, l'économie ou l'industrie

• Maîtriser les fondamentaux mathématiques et informatiques relatifs au traitement de données et aux algorithmes. Analyser les besoins des utilisateurs et réaliser l'état de l'art des approches existantes, afin de cadrer un projet de modélisation mathématique. Formaliser un cahier des charges intégrant objectifs, contraintes, solutions et livrables, pour assurer le suivi du projet. Concevoir, implémenter et calibrer des modèles et algorithmes d'optimisation et d'aide à la décision, en simulant différents scénarios pour évaluer l'impact des choix avant leur mise en œuvre. Évaluer la performance, la fiabilité et l'efficacité des modèles et algorithmes développés dans leur contexte opérationnel.

Évaluation : Évaluations écrites et interrogations orales Projets intégrés aux enseignements des éléments constitutifs Projets de fin d’année Situations d’apprentissage et d’évaluation Mémoire et soutenance de stage

RNCP42760BC03Gérer et valoriser les données pour la prise de décision stratégique

• Piloter des projets data transverses en mobilisant les parties prenantes, dans le respect des objectifs de qualité, de délais et de performance. Garantir la fiabilité et la gouvernance des données, en appliquant des dispositifs de contrôle qualité, de conformité réglementaire et de maîtrise des risques dans le respect des principes éthiques. Valoriser et communiquer les résultats analytiques auprès des équipes métiers et parties prenantes, en français ou en anglais, à travers des indicateurs et des visualisations adaptés. Documenter les analyses et modèles, afin d'assurer la traçabilité des travaux et la continuité de l'activité.

Évaluation : Évaluations écrites et interrogations orales Projets intégrés aux enseignements des éléments constitutifs Projets de fin d’année Situations d’apprentissage et d’évaluation Mémoire et soutenance de stage

RNCP42760BC04Concevoir, déployer et optimiser des modèles d’apprentissage automatique (bloc optionnel)

• Identifier et sélectionner des modèles d'apprentissage supervisé ou non supervisé, en s'appuyant sur l'état de l'art scientifique et technique et sur l'évaluation de leur empreinte environnementale. Concevoir des solutions de traitement de données sobres et performantes, en intégrant la sobriété énergétique dans le choix des architectures et des algorithmes de machine learning. Évaluer et optimiser la performance d'un modèle d'apprentissage, en établissant un protocole expérimental rigoureux et en ajustant ses hyperparamètres pour en garantir la robustesse. Interpréter et expliquer les prédictions des modèles d'IA, en mobilisant des méthodes d'explicabilité globale et locale adaptées aux enjeux métiers. Optimiser en continu les modèles d’IA en combinant veille scientifique, identification des biais, performance, durabilité et respect des normes éthiques et réglementaires.

Évaluation : Évaluations écrites et interrogations orales Projets intégrés aux enseignements des éléments constitutifs Projets de fin d’année Situations d’apprentissage et d’évaluation Mémoire et soutenance de stage

RNCP42760BC05Modéliser, résoudre et simuler des phénomènes complexes à l’aide de méthodes numériques et probabilistes (bloc optionnel)

• Maîtriser les techniques mathématiques et numériques permettant la modélisation et la résolution de phénomènes complexes. Modéliser des phénomènes issus de domaines variés (physique, mécanique des fluides et des structures, ondes, finance, actuariat, biologie) à l’aide d’équations différentielles ordinaires (EDO), d’équations aux dérivées partielles (EDP) ou de processus stochastiques. Identifier, sélectionner et mobiliser les méthodes analytiques et numériques adaptées à la résolution de problèmes complexes. Concevoir, implémenter et appliquer des algorithmes de résolution numérique dans un langage de programmation adapté, pour répondre à des problématiques réelles, notamment industrielles. Construire des modèles probabilistes décrivant l'évolution de processus aléatoires, en analyser les propriétés et en mettre en œuvre les simulations correspondantes.

Évaluation : Évaluations écrites et interrogations orales Projets intégrés aux enseignements des éléments constitutifs Projets de fin d’année Situations d’apprentissage et d’évaluation Mémoire et soutenance de stage

RNCP42760BC06Concevoir, évaluer et gérer des stratégies financières et les risques associés (bloc optionnel)

• Formaliser les interactions entre agents financiers à l’aide de modèles microéconomiques afin d’expliquer l’équilibre des marchés, les mécanismes d’incitation et la valorisation des actifs. Analyser et modéliser les dynamiques macroéconomiques et monétaires de sorte à évaluer leurs effets sur les marchés financiers, les taux d’intérêt et la stabilité financière. Valoriser les produits financiers — y compris produits dérivés complexes et contrats d'assurance vie ou non-vie — à l'aide de modèles quantitatifs et actuariels (Black & Scholes, structure par terme des taux, volatilité, simulation de Monte Carlo, techniques probabilistes et statistiques). Évaluer l'exposition aux risques financiers et concevoir des dispositifs de couverture et d'allocation du capital, en structurant des positions de gestion dynamique des risques fondées sur des mesures telles que la VaR, l'Expected Shortfall et les stress tests. Exploiter des données financières massives et des modèles d'économétrie financière pour concevoir, tester et optimiser des stratégies d'investissement et de gestion des risques. Concevoir et mettre en œuvre des stratégies de gestion d'actifs, notamment la gestion active et la gestion actif-passif (ALM), en intégrant les exigences réglementaires et prudentielles (AMF, Bâle…) et les critères ESG.

Évaluation : Évaluations écrites et interrogations orales Projets intégrés aux enseignements des éléments constitutifs Projets de fin d’année Situations d’apprentissage et d’évaluation Mémoire et soutenance de stage