Réseau Maths, Finance & Big Data sur LinkedIn : +30.000 abonnés merci ! Cliquez ici pour les rejoindre.

BigDataFR vous souhaite une excellente journée et vous propose aujourd'hui un Focus "MasterPiece Maths-Fi et Datascience": Inscription aux Formations les plus pointues dans leur domaine.

Futurs Quants, n'attendez pas pour vous inscrire !

►M2 Probabilités et Finance (ex DEA El Karoui), Sorbonne Université Sciences : les inscriptions sont ouvertes !

Pré-requis : M1 Mathématiques/Mathématiques Appliquées, ingénierie Mathématique, Ingénieur diplômé/dernière année (si formation suffisante en mathématiques, notamment en proba). Bonne pratique C/ C++ indispensable.

►Création d'un compte Sorbonne Université avant : vendredi 30 mai 2025 à minuit

Réception du dossier complet  de candidature : samedi 28 juin 2025
Consultez la procédure d'inscription
Plus d'Informations

Début des cours : Septembre 2025

►A propos du M2 Probabiltés et Finance

• Les marchés financiers sont au coeur du fonctionnement de l’économie mondiale. La complexité des phénomènes en jeu requiert une formation scientifique de pointe pour à la fois appréhender les aspects fondamentaux de la finance moderne et agir sur les marchés de manière pertinente et responsable.

Objectif de la Spécialité Probabilités et Finance ?

Dispenser aux étudiants un enseignement de haut niveau en finance mathématique.

►Cadre

• M2 Probabilités et Finance (ex DEA El Karoui), Master Sorbonne Université Sciences, Formation du Laboratoire de Probabilités, Statistique et Modélisation, cohabilité avec le CMAP École Polytechnique, en collaboration avec l'ESSEC Business School.
• Lieu : Campus Jussieu (Université Pierre et Marie Curie, Sorbonne Université Sciences)
• Fondatrice : Nicole El Karoui (Sorbonne Université)
• Responsables Pédagogiques :
  • Idris Kharroubi (Sorbonne Université)
  • Gilles Pagès (Sorbonne Université)
  • Mathieu Rosenbaum (X)
  • Huyên Pham (X)

►Cours en Datascience (liste non exhaustive)

• Pour maîtriser la complexité croissante des outils mathématiques mis en œuvre : probabilistes, statistiques/numériques  :
  • Machine Learning, réseaux de neurones et apprentissage profond
    
  • Optimisation Stochastique pour le Machine Learning en Finance
  • Machine Learning and optical trading
  • Massive parallel programming on GPU devices for Big Data 
  • Machine Learning pour les produits dérivés 
  • Blockchains : du lancement de Bitcoin à aujourd’hui. Fintechs : présentations et opportunités

►Cours complémentaires de remise à niveau, à partir de début septembre 2025

• Pré-inscription obligatoire pour ces cours :
  • Éléments de Statistique
  • Compléments de Probabilités
  • Python pour la Datasicence

►Rappel

Pré-requis : M1 Mathématiques/Mathématiques Appliquées, ingénierie Mathématique, Ingénieur diplômé/dernière année (si formation suffisante en mathématiques, notamment en proba). Bonne pratique C/ C++ indispensable.

►Création d'un compte Sorbonne Université avant  le vendredi 30 mai 2025 à minuit

Réception du dossier complet  de candidature : samedi 28 juin 2025
Consultez la procédure d'inscription
Plus d'Informations

►[Derniers jours pour vous inscrire ! #Data Scientist #ia] : Formez-vous en 3 jours aux bases du Machine/Deep Learning CNRS Formation - Paris Jussieu

Responsable Pédagogique : Vincent Lemaire, Maître de Conférence
Intervenants : T. Rebafka (professeure) et D. Giorgi (ingénieure de recherche)

Durée de la formation : 21 heures sur 3 jours,
du mercredi 11 au vendredi 13 juin 2025, 9h-12h - 13h30-17h30
Lieu : Sorbonne Université, Campus Jussieu - 4 Place Jussieu, Metro Jussieu (L7-10) 75005 Paris
Places limitées - 24 places disponibles
Deadline inscriptions : 31 mai 2025 - Modalités et inscriptions : cliquez maintenant

►Public

• Ingénieurs et chercheurs en lien avec des problématiques de sciences des données, allant des sciences expérimentales aux sciences humaines
• Data Scientists, Data Miners et développeurs souhaitant aborder l'état de l'art en sciences des données.

►Pré-requis

• Connaissances de base en probabilités et statistique, connaissances de base en Python

►Objectifs

• Comprendre les concepts mathématiques des méthodes de l'apprentissage statistique supervisé (régression et classification)
• Connaître les principaux algorithmes du Deep Learning
• Utiliser les modules Python pour la mise en œuvre des méthodes de Machine Learning et de Deep Learning
• Choisir les algorithmes adaptés aux cas d'usages
• Interpréter les résultats des algorithmes et identifier leurs limites

►Programme

• Le Machine Learning est la partie de l'intelligence artificielle qui se fonde sur des modèles mathématiques pour permettre aux ordinateurs d'apprendre et d'effectuer des tâches à partir de données. 
• Ce champ recouvre la conception et l'analyse de modèles et de méthodes ainsi que le développement, l'optimisation et l'implémentation d'algorithmes
• Cette formation abordera les concepts statistiques et les méthodes d'apprentissage supervisé (régression et classification), leur mise en œuvre pratique et leur interprétation.

Matheuses, Les filles, avenir des mathématiques - CNRS Editions

Par Clémence Perronnet, Claire Marc et Olga Paris-Romaskevich, préface de Catherine Goldstein

►Plus d'informations

Campagne Recrutement /Annonce Event - 2025 sur BigDataFR : cliquez ici
Campagne Formation Partenaire BigDataFR - 2025 : communiquez sur vos formations