Valeur vide dans reprise de données

Anglais 3

ECTS : 2

Lecturer in charge : Veronique BOURREL

Language of instruction : French

Teaching hours : 18

Course content:

Skills to be acquired:

• Savoir s'exprimer à l'oral
• Améliorer ses compétences langagières et communicationnelles
• Enrichir son vocabulaire
• Développer sa créativité
• Travailler en équipe

Création d'entreprise

ECTS : 2

Lecturer in charge : Oriane KERLEGUER (https://dauphine.psl.eu/recherche/cvtheque/kerleguer-oriane)

Language of instruction : French

Teaching hours : 18

Course content:

Skills to be acquired:

• Processus entrepreneurial et Lean Start-up
• Les fondamentaux de l'étude de marché
• Définir un business model pertinent et une stratégie adaptée
• Démarches juridiques et administratives (statut, propriété intellectuelle)
• Réaliser et construire un Business Plan et un Executive Summary
• Apprendre à présenter son projet : Construire un argumentaire, l'art du « pitch » et du « storytelling »
• Panorama des sources de financement et présentation de l'écosystème startup

Bibliography, recommended reading:

• Référence(s) :
• Catherine Léger-Jarniou, Georges Kalousis, La Boîte à outils de la Création d'entreprise. Dunod 2016 4ème édition
• Catherine Léger-Jarniou, Georges Kalousis, Construire son Business Plan. Collection: Entrepreneurs, Dunod 2014 - 3ème édition
• Eric Ries, Lean Startup : Adoptez l'innovation continue. Pearson 2015
• Oren Staff, Pitch anything : An Innovative Method for Presenting, Persuading, and Winning the Deal. 2011

Décisionnel en entreprise / Qlik Sense

ECTS : 3

Lecturer in charge : Bruno MARTINS-LEDO (https://d2bi.fr/)

Language of instruction : French

Teaching hours : 21

Course content:

Skills to be acquired:

Entrepôt de données

ECTS : 3

Lecturer in charge : Khalid BELHAJJAME (https://dauphine.psl.eu/recherche/cvtheque/belhajjame-khalid)

Language of instruction : French

Teaching hours : 24

Course content:

Skills to be acquired:

Modélisation et manipulation de données multidimensionnelles.

Marketing et stratégie digitale

ECTS : 3

Lecturer in charge : Sarah LASRI (https://dauphine.psl.eu/recherche/cvtheque/lasri-sarah)

Language of instruction : French

Teaching hours : 21

Course content:

Skills to be acquired:

Ce cours a pour objectif de vous faire acquérir les bases du marketing de l'internet et de la communication sur le web. Les différentes techniques permettant de recruter et de fidéliser le e-consommateur seront étudiés.

Modélisation et Aide à la décision

ECTS : 2

Lecturer in charge : Andre ROSSI (https://www.lamsade.dauphine.fr/~arossi/)

Language of instruction : French

Teaching hours : 15

Course content:

• Concept de modèle en aide à la décision. Modèle des solutions et modèle des préférences.
• Description du processus de modélisation et de ses différentes phases.
• Présentation de modélisations non triviales de problèmes de décision utilisant divers cadres de modélisation (graphes, programmation linéaire, multicritère,...).
• Utilisation de variables 0-1 en programmation linéaire.
• Présentation d'outils de modélisation et de résolution (modeleurs et solveurs).

Skills to be acquired:

​Présenter des modélisations originales de différents problèmes concrets de décision. Il s'agit de développer les aptitudes des étudiants à élaborer et mettre en œuvre des modèles pertinents face à une situation de décision.

Bibliography, recommended reading:

Référence(s) :

• H.P. Williams. Model building in mathematical programming. J. Wiley, New York, 1999. 4ème edition
• Ph. Vallin et D. Vanderpooten. Aide à la décision : une approche par les cas. Ellipses, Paris, 2002., 2ème édition
• D. Vanderpooten « Modelling in decision aiding ». In D. Bouyssou, E. Jacquet-Lagrèze, P. Perny, R. Slowinski, D. Vanderpooten, and Ph. Vincke (eds), Aiding Decisions with Multiple Criteria: Essays in Honour of Bernard Roy, pages 195–210. Kluwer, 2001.

Optimization for data sciences

ECTS : 3

Lecturers : Paul CAILLON, Bastien CAVARRETTA
https://dauphine.psl.eu/recherche/cvtheque/caillon-paul

Language of instruction : French

Teaching hours : 24

Course content:

Optimization is a framework to formulate a concrete problem into a mathematical object, which enables its theoretical analysis and its practical solve via numerical algorithms. Although applications range from power systems to finance, the interest for optimization techniques has surged following the advent of data science and deep learning in particular. This course will provide an overview of optimization problems and algorithms that are relevant in a data science. We will describe various problem formulations arising in machine and deep learning, using them to motivate the key mathematical concepts that are useful in that space (linear algebra, convexity,  smoothness). We will then move to optimization algorithms, with a focus on the most popular schemes in data science (gradient descent and its variants), and we will discuss both theoretical motivations and implementation challenges.

Skills to be acquired:

• Understand the main classical optimization formulations of data science tasks.
• Given an optimization problem, select an algorithm well suited for solving the problem based on theoretical and practical concerns.
• Identify specific challenges posed by optimization in a data science context, and ways to address these challenges.

Bibliography, recommended reading:

• S. Boyd and L. Vandenberghe. Convex Optimization. Cambridge University Press, 2004.
• S. J. Wright and B. Recht. Optimization for Data Analysis. Cambridge University Press, 2022.

Programmation par contraintes et ses applications

ECTS : 2

Lecturer in charge : Cristina BAZGAN (https://dauphine.psl.eu/recherche/cvtheque/bazgan-cristina)

Language of instruction : French

Teaching hours : 18

Course content:

• Modélisation et résolution de problèmes à l'aide de la programmation par contraintes : intérêt de la programmation par contraintes, exemples,
• Types de contraintes, principaux algorithmes et heuristiques de résolution
• Utilisation du logiciel professionnel OPL Studio 

Skills to be acquired:

Bibliography, recommended reading:

• K. Apt, Principles of Constraint Programming, Cambridge University Press, 2009.
• K. Marriott and P.J. Stuckey, Programming with Constraints: An Introduction, The MIT Press, 1998.
• E. Tsang, Foundations of Constraint Satisfaction, Academic Press, 1993. 

Qualité des données décisionnelles

ECTS : 2

Lecturer in charge : Veronique FOURNEL

Language of instruction : French

Teaching hours : 18

Course content:

• Dimensions de la qualité de données. Le terme « qualité de données » est assez vague et englobe plusieurs facettes. Dans cette partie, nous allons examiner les différents dimensions de la qualité de données, allant de l'exactitude, complétude, jusqu'au la consistance et la confiance.
• Algorithme et solutions théoriques. Dans cette partie nous allons examiner en détails quelques solutions théoriques proposées pour résoudre certains problèmes de qualité de données, en particulier celles liées à l'identification d'objet.
• Outils et solutions pratiques. Dans cette partie, nous allons utiliser des outils, et montrer comment ils peuvent être utilisés pour améliorer la qualité de données.

Skills to be acquired:

System, languages and paradigms for big data

ECTS : 3

Lecturer in charge : Dario COLAZZO (https://dauphine.psl.eu/recherche/cvtheque/dario-colazzo)

Language of instruction : French

Teaching hours : 24

Course content:

Le cours s'articule en trois parties.

Dans la première, l'accent est sur le paradigme MapReduce et le système Hadoop, avec un focus sur son système de fichiers HDFS. Le cours illustrera les mécanismes de base de Hadoop pour le support de l'exécution parallèle de 'dataflow' MapReduce sur des clusters de machines. Une attention particulière sera donnée aux aspects algorithmiques et d'optimisation de dataflow MapReduce.

La deuxième partie présentera des langages de requête et d'analyse de données caractérisés par des mécanismes de haut niveau et qui sont compilé sur MapReduce. Le focus sera sur les langages Pig Latin et Hive, des langages incluant des mécanismes à la SQL. Les techniques de compilation vers MapReduce seront présentées.

La troisième partie sera consacrée à des évolutions de Hadoop, et en particulier au système Spark et au langage de support Scala. Le focus sera sur l'architecture de Spark, la notion de RDD, l'évaluation lazy de transformations et actions sur des collections distribuées RDD.
Les notions apprises seront mises en pratique dans un projet où les étudiants devront concevoir un dataflow pour l'analyse de grands volumes de données. L'implémentation sera faite tant en MapReduce qu'en Spark, et une analyse expérimentale sera effectuée pour comparer les performances des deux implémentations.

Skills to be acquired:

Apprentissage des aspects fondamentaux des technologies Big Data pour la gestion et analyse de données massives.

Visualisation de données

ECTS : 3

Lecturer in charge : Idir SAIDANI

Language of instruction : French

Teaching hours : 21

Course content:

Représenter des données de manière visuelle permet de tirer parti des capacités humaines en matière de perception et de cognition afin d’identifier rapidement des éléments significatifs, tels que des relations, des tendances ou des anomalies. 

La visualisation facilite l’exploration interactive des données, offre une vue d'ensemble et permet de dégager des informations qui seraient difficilement accessibles par les seules méthodes d’analyse statistique ou automatique. Elle contribue également à la formulation d’hypothèses, à la prise de décision et à la communication claire des résultats.

Ce cours propose une vision globale du domaine : des principes fondamentaux de la perception visuelle et du design jusqu’à l'application pratique des techniques de visualisation adaptées à différents types de données.

Des travaux pratiques accompagnent chaque séance et permettent la mise en œuvre des concepts abordés à l’aide de l’outil Tableau

Skills to be acquired:

 À l’issue de l’enseignement, les étudiants seront capables de  : 

• Comprendre le rôle de la datavisualisation dans le cadre des systèmes décisionnels 
• Identifier les principes fondamentaux de la perception visuelle et de la cognition humaine appliqués à la visualisation de données 
• Appliquer les bonnes pratiques de design pour concevoir des visualisations claires, lisibles et adaptées aux utilisateurs
• Sélectionner les types de graphiques appropriés selon les caractéristiques des données et les objectifs d’analyse 
• Analyser de manière critique des visualisations existantes 
• Utiliser un outil professionnel de visualisation 

Bibliography, recommended reading:

• Practical Charts: The Essential Guide to Creating Clear, Compelling Charts for Reports and Presentations - Nicholas P. Desbarats
• The Big Book of Dashboards: Visualizing Your Data Using Real-World Business Scenarios - Steve Wexler, Jeffrey Shaffer, Andy Cotgreave 
• How Charts Lie - Alberto Cairo

Web des données

ECTS : 2

Lecturer in charge : Marie-Jose BELLOSTA (https://dauphine.psl.eu/recherche/cvtheque/bellosta-marie-jo)

Language of instruction : French

Teaching hours : 24

Course content:

Skills to be acquired:

Former les étudiants aux standards du Web de données et du Web sémantique. Dans le contexte du web sémantique, les ontologies jouent un rôle prépondérant dans la spécification des connaissances de manière standard afin de permettre l'interopérabilité entre différents systèmes. Une ontologie correspond à un vocabulaire contrôlé et organisé et à la formalisation explicite des relations créées entre les différents termes du vocabulaire. Elle permet de préciser formellement un vocabulaire commun dans une perspective de partage. Les ontologies informatiques permettent de représenter un corpus de connaissances sous une forme utilisable par une machine. Ainsi, une ontologie avec un ensemble de règles constitue une base de connaissance permettant de développer un système d'aide à la décision.

Bibliography, recommended reading:

Anglais 4

ECTS : 2

Lecturer in charge : Veronique BOURREL

Language of instruction : French

Teaching hours : 18

Course content:

• Contenu : professionnel, culturel, d'actualité et de société
• Forme : débats, jeux de rôles, quiz et activités ludiques
• Méthodologie : prise de parole en public, travail sur l'expression orale

Skills to be acquired:

• Savoir s'exprimer à l'oral
• Améliorer ses compétences langagières et communicationnelles
• Enrichir son vocabulaire
• Développer sa créativité
• Travailler en équipe

Apprentissages automatiques appliqués

ECTS : 3

Lecturer in charge : Axel DROIN

Language of instruction : French

Teaching hours : 24

Course content:

Après une introduction sur les grandes Entreprises et comment elles abordent et intègrent les grandes ruptures technologiques dans leurs mode fonctionnement, il sera présenté les grandes fonctions d'une entreprises (Marketing, vente, production, finance, ressources humaines et les cas d'applications et d'usage de l'IA et des nouvelles technologies.

Seront ensuite présenter des archétypes d'usage de l'IA en entreprise au travers d'exemples concrets:

- La prévision de grandeurs par apprentissage supervisé

- la détection d'atypisme via apprentissage non-supervisé

- l'usage de LLM pour l'extraction d'information depuis des données non structurées

Ces archétypes serviront de base de travail pour les projets en équipe, ces derniers s'appuiront sur des cas réels et des données d'entreprise préalablement anonymisées.

Seront abordés ensuite 3 grands sujets:

- Les différentes mise en oeuvre possible d'une organisation centrée sur l'Intelligence Artificielle

- Les problématiques de compliance et de gouvernance aux différentes régulations dans le monde (Europe, Chine et Etats-Unis)

- La définition d'une stratégie d'adoption de l'IA au sein d'une équipe au travers des méthodes de Design thinking, des pratiques Agile et ThEARI et d'une approche "Make or Buy" de ces capacités

Ces sujets seront à chaque fois complétés par des cas réels servant à mettre en exergue les spécificités des entreprises en fonctions des secteurs économiques. Seront notamment vu :

- un projet de maintenance prédictive en Usine via des méthodes supervisées et non supervisées d'analyse des modes de fonctionnement des machines

- un projet de prévisions des ventes en supermarché et d'optimisation de gamme de produits sur étagère, au travers de méthodes de calcul distribué et de théorie des jeux

- un projet d'analyse d'interactions clients au SAV d'une grande entreprise, via de l'analyse NLP, de la structuration de données et d'usage de grand modèles d'IA générative

- un projet de maintenance des standards de qualités et compliances de produits destinés à l'alimentation dans un contexte réglementaire international, via l'usage de l'IA Générative, de la structuration de donnée, des automates et la construction d'agents.

Skills to be acquired:

Il s'agit d'initier les étudiants à l'usage et l'application des méthodes d'apprentissage automatique (machine learning), de fouille (data mining) et d'extraction de connaissances dans les grandes entreprises. Il sera illustré par des cas concrets, des exemples réalisés en session et en marges de ces sessions avec le langage Python et l'environnement gratuit de Databricks. L’évaluation se fait au travers d'une restitution orale d'un projet en équipe.

Mandatory prerequisites

la connaissance de la méthode scientifique

l'expérience d'analyse de données quelque soit le langage de programmation

Recommended prerequisites

la connaissance du langage Python

des notions d'intelligence artificielle, de statistique et d'économie d'entreprise

avoir lu la bibliographie

Assessment:

le contrôle des connaissance se fera au travers de la restitution d'un projet d'équipe. Chaque équipe sélectionnera un projet, proposera une approche structurée pour le résoudre et le mettre en place dans un context d'entreprise. Elle présentera les analyses réalisées sur les données disponibles, les méthodes d'IA envisagées ainsi que les grands résultats et enseignements liés à leur mise en place.

Bibliography, recommended reading:

les cours du collège de France de Stéphane Mallat et de Gérard Berry

les livres l'hyperpuissance de l'informatique (https://www.odilejacob.fr/catalogue/sciences/informatique/hyperpuissance-de-l-informatique_9782738139535.php) et apprendre à apprendre avec le Lean (https://www.editions-eyrolles.com/livre/apprendre-a-apprendre-avec-le-lean)

les sites rpésentant l'EU Ai Act ainsi que la RGPD

Conception responsable de services numériques

ECTS : 2

Lecturer in charge : Bela LOTO

Language of instruction : French

Teaching hours : 18

Course content:

INTRODUCTION
"Il n’y a pas de conception responsable de service numérique sans démarche numérique responsable"

• Rappels des fondamentaux
• Coûts environnementaux du numérique : cycle de vie, indicateurs, chiffres clés, ordres de grandeur et perspectives
• Coûts humains du numérique : droits humains, risques sanitaires, risques psycho-sociaux
• Démarche numérique responsable

• État des lieux (coût environnemental)
• Benchmarks

• Les points clés de la démarche (vue globale)
• Les points clés (vue designer)

• Le cadre réglementaire
• Les guides et référentiels Exercices comparatifs
• Check-list bonnes pratiques
• Cahier des charges

• Parcours utilisateurs
• Analyse d’impacts (Outil GreenIT Analysis, Kastor, Numecodiag, Index Designers éthiques)

• Exemples de mise en œuvre
• Étude de cas – analyse de sites éco-conçus

Data, models and decisions

ECTS : 3

Lecturer in charge : Hassan AISSI

Language of instruction : French

Teaching hours : 24

Course content:

Skills to be acquired:

Bibliography, recommended reading:

Droit, données et éthique

ECTS : 3

Lecturer in charge : Olivia TAMBOU (https://dauphine.psl.eu/recherche/cvtheque/tambou-olivia)

Language of instruction : French

Teaching hours : 18

Course content:

Skills to be acquired:

La profonde transformation numérique de nos sociétés rend nécessaire comme l'a encore récemment rappelé la CNIL de « former à l'éthique tous les maillons de la chaîne algorithmique, concepteurs, professionnels, citoyens ». La création de ce nouveau cours Données et Ethique s'inscrit dans cette optique. Il s'agit de permettre aux informaticiens de prendre conscience des implications éthiques et sociales du traitement des données qu'ils opèrent. Il s'agit aussi les informer sur l'évolution du cadre dans lesquels ils vont pouvoir ou devoir mettre en œuvre le traitement de leurs données tant à titre personnel que professionnel. L'éthique est une notion souvent difficile à cerner. Elle repose sur un ensemble de règles morales susceptibles d'orienter le comportement des individus voire des entreprises. Ces règles qu'ils s'imposent à eux-mêmes peuvent soit préfigurer, soit en réalité se superposer ou se confondre avec des règles juridiques contraignantes. Ainsi, l'éthique des données se développe à titre collectif qu'à titre individuel notamment avec la figure des lanceurs d'alerte. En outre, l'éthique des données peut varier en fonction de la catégorie de données en cause (données personnelles, non personnelles, données dite d'intérêt général etc.). Ces prémisses sont importantes pour comprendre les enjeux économiques et sociétaux autour de l'émergence actuelle des principes éthiques des données.

Livret d'entreprise et d'apprentissage

ECTS : 1

Language of instruction : French

Modélisation Sécuritaire : Initiation aux Méthodes Formelles

ECTS : 2

Lecturer in charge : Florian JAMAIN

Language of instruction : French

Teaching hours : 21

Course content:

Introduction au développement sécuritaire et aux méthodes formelles. L'objectif du cours est de présenter les enjeux d'un développement qui peut avoir des conséquences très graves en cas de défaut et d'apporter des solutions aussi bien niveau software via les méthodes formelles que hardware en utilisant un calculateur sécuritaire.

• Introduction générale : Le monde du sécuritaire.
• Introduction aux Méthodes Formelles.
• Initiation à la Méthode B et à l'Atelier B : Spécification et
• Implémentation.
• La Clearsy Safety Platform et ses contraintes.
• Programmation en B CSP.

Négociation

ECTS : 3

Lecturers : Patrick DELEMME, Guillaume DIAKITE

Language of instruction : French

Teaching hours : 24

Course content:

Skills to be acquired:

Initiation théorique et pratique à la négociation.

Systèmes intelligents en aide à la décision

ECTS : 3

Lecturer in charge : Marie-Jose BELLOSTA (https://dauphine.psl.eu/recherche/cvtheque/bellosta-marie-jo)

Language of instruction : French

Teaching hours : 24

Course content:

Skills to be acquired:

Programmation multi agents, protocoles FIPA, actes de langages FIPA, modèle décisionnel

Bibliography, recommended reading:

• Intelligent Agent-Based Business Intelligence,  Samo Bobek ,  Igor Perko
• Entreprise Integration using the agent paradigm: foundations of multi-agent based integrative business information systems. Decision Support Systems (2006) by R.Kishore, H.Zhang, R.Ramesh

Mémoire

ECTS : 8

Language of instruction : French