Présentation

Résolument tourné vers le monde de la data science pour les institutions financières, ce programme est unique dans son contenu et dans son articulation. 

Les diplômés du Master Finance Technologie Data Science, spécialistes de haut niveau, peuvent accéder aux fonctions de cadres supérieurs dans les fonctions d’analyse et de gestion des données au niveau des banques, des compagnies d’assurance, des institutions financières spécialisées, sociétés de bourse, des sociétés de capital-investissement, des cabinets de conseil, des entreprises.

Diplôme
Master
Filière
Banque - Finance - Assurance
Informatique - Télécommunications
Durée
2 ans
Rythme
Jour
Mode
Présentiel
Type
Formation continue

Objectifs

Former des professionnels hautement qualifiés en matière d’analyse et de gestion des données financières, capables d’allier les techniques de l’analyse de données, de modélisation et de supervision des transactions pour aboutir à une meilleure performance des outils de décision, de risque de crédit ou de suivi marketing et qui construisent des raisonnements dans ces disciplines et formulent des solutions opérationnelles argumentées.

L’enseignement proposé par le Master mention « Finance Technologie Data Sciences » forme aux métiers suivants :

  • Architecte / Ingénieuer Big Data,
  • Business Intelligence Manager,
  • Data Manager,
  • Data Scientiste / Machine Learning Engineer,
  • Data Miner,
  • Analyste Data,
  • Trader à hautes fréquences.

Ce Master permet de maîtriser les savoirs théoriques et les compétences méthodologiques et pratiques dans le domaine de la gestion et l’analyse des données en finance. Il permet également d’acquérir toutes les compétences qu’il est nécessaire de maîtriser pour être opérationnel dans le domaine de l’analyse données pour les activités financières.

A la fin de la formation les étudiants connaitront  les principes et les techniques propres aux disciplines étudiées (Gestion données, analyse des données, prévisions et supervision des évolutions des données financières).

Unités Enseignement

Crédits

Coef

UE – FTDS – 411 – Marché Boursier et Evaluation Financière

7

3

FTDS- 4114- Marché Boursier et Opérations de Bourse

   

FTDS – 4112 – Evaluation d’Entreprise

   

FTDS – 4113 – Evaluation des Actifs financiers et Théorie du Portefeuille

   

UE – FTDS – 412 – Gestion Financière

7

5

FTDS – 4111 – Diagnostic Stratégique et Financier

   

FTDS – 4121 – Gestion de trésorerie

   

FTDS – 4122 – Décision d’Investissement

   

FTDS – 4123 – Politique Financière de l’Entreprise

   

UE – FTDS – 413 – Méthodes Quantitatives 1

7

6

FTDS – 4131 – Processus Stochastiques à temps discret

   

FTDS – 4132 – Econométrie des Séries Temporelles non stationnaires et stationnaires

   

FTDS – 4133 – Econométrie des données panel

   

UE – FTDS – 414 – Modélisation Economique et Financière

7

5

FTDS – 4141 – Initiation à la modélisation économique

   

FTDS – 4142 – Recherche opérationnelle

   

FTDS – 4143 – Analyse multidimensionnelle des données

   

UE – FTDS – 415 – ENSEIGNEMENTS COMPLEMENTAIRES

2

1

FTDS – 4151 – Système Bancaire International

   

FTDS – 4152 – Cybercriminalité

   

Total Semestre 1

30

20

UE – FTDS – 421 – Méthodes Quantitatives 2

8

5

FTDS – 4211 – Modèles Stochastiques à temps continu appliqués à la finance et à la gestion des risques

   

FTDS – 4212 – Econométrie Appliquée aux séries financières sous R

   

FTDS – 4213 – Simulation et Méthodes Scientifiques Avancées

   

UE – FTDS – 422 – Informatique Appliquée

7

5

FTDS – 4221 Programmation en R

   

FTDS – 4222 – Programmation sous Python (Numpy, Pandas, Bokeh) pour la Finance

   

FTDS – 4223 – Programmation et calcul scientifique

   

UE – FTDS – 423 – Data Science et Intelligence Artificielle

8

6

FDS – 4231 Construction et Gestion de Bases de données

   

FTDS – 4232 Introduction au Big Data

   

FTDS – 4233 Introduction à Business Intelligence

   

FTDS – 424 – Outils et Langues

7

4

Business English

   

Préparation TOIEC

   

Conférence de Méthodes (Projet professionnel, CV, Lettre de motivation et Entretien)

   

Total Semestre 2

30

20

TOTAL

60

40

MASTER 2 FINANCE TECHNOLOGIE – DATA SCIENCE « M2 FINTECH – DATA »

Unités d’Enseignement

Crédits

Coef

UE – FTDS – 531 – Marchés financiers et Gestion de portefeuille

7

5

FTDS – 5311 – Marchés financiers et Trading

   

FTDS – 5312 – Gestion de Portefeuille et Simulations Boursières

   

FTDS – 5313 – Marchés financiers : Options et produits dérivés

   

FTDS – 5314 Modélisation Financière en contexte de Gestion de portefeuille

   

UE – FTDS – 532 – METHODES QUANTITATIVES ET Informatique 1

6

4

FTDS – 5321 – Analyse des données pour l’économie sous R et Python

   

FTDS – 5322 – Econométrie Financière sous Python

   

UE – FTDS – 533 – Data Science 1 : Stockage des Donnée pour la Banque

7

5

FTDS – 5331 Architecture et Usage des Data Lake

   

FTDS – 5332 SQL pour Banques

   

FTDS – 5333 NoSQL et Hadoop pour la Banque

   

FTDS – 5334 Organisation d’un projet Big Data

   

UE – FTDS – 534 – Nouvelles Données pour la Gestion du Risque

8

5

FTDS – 5341 – Anti Blanchissement – AML, KYC

   

FTTDS – 5342 – ML pour Contrer les fraudes financières

   

FTTDS – 5343 – Evolution du Credit Scoring et de l’Assurance

   

UE – FTDS – 535 – ENSEIGNEMENTS COMPLEMENTAIRES

2

1

FTDS – 5351 – Sociologie des Organisations

   

FTDS – 5352 – Géostratégie

   

Total Semestre 3

30

20

UE – FTDS – 542 – Data Science 2

6

4

FTDS – 5421 -Conception de Bases de données et Datamining (Machine Learning sous R)

   

FTDS – 5422 – Big Data 2

   

UE – FTDS – 533 – Machine Learning et Stockage des Données pour la Banque

6

4

FTDS – 5331 – Réseaux neuronaux et Deep Learning

   

FTDS – 5332 – Machine Learning pour la Modélisation financière

   

UE –FTDS – 545 – Data Science et Marketing pour Banque

6

5

FTDS- 5451 – Données Green et Sustainable

   

FTDS-5452 – Profiling Client /e-réputation à partir des données de réseaux sociaux

   

FTTDS – 5452-Analyse de Texte NLP et Chat Bots

   

FDS – 5453 – Visualisation des Données

   

UE – FTDS – 546 – Enseignements Complémentaires

2

1

FTDS – 5461 – Projections Financière et Modélisation du Business Plan

   

FTDS – 5463 – Economie Internationale

   

UE – FTDS – 547 – Découvertes

2

1

FTDS – 5471 – Régulation et Tarification : Secteur (eau, téléphone, énergie)

 

 

FTDS – 5472 – Géopolitique

 

 

UE – FTDS – 548 – Mémoire et Langue

8

5

FTDS – 5481 – Méthodologie de Recherche et de Rédaction de Mémoire

 

 

FTDS – 5482 – Mémoire

 

 

FTDS – 5483 – Anglais (Préparation au TOEIC)

 

 

Total Semestre 4

30

20

Total Général

60

40

Le volume horaire des enseignements du Master mention « Finance Technologie et Data Science » par année académique est fixé à 1200 heures réparties entre les cours magistraux les Travaux dirigés (TD) et /ou TP et les TPE sur un an.

Des cours de mise à niveau d’un volume horaire global de 100 heures sont organisés avant le démarrage officiel des enseignements pour permettre aux apprenants de mieux appréhender les cours prévus au programme.

 

  • Pour l’accès à la première année du Master, être titulaire d’une licence Finance Quantitative, Mathématiques Appliquées à la Finance, Méthodes Quantitatives de Gestion, Econométrie, en Informatique appliquée, ou d’un diplôme jugé équivalent.

 

  • Pour l’accès à la deuxième année du Master, être titulaire du Master 1 en analyse financière, en ingénierie financière, en Banque Finance, Mathématiques Appliquées à la Finance, en Actuariat, Modélisation, en Méthodes Quantitatives de Gestion, Finance Quantitative ou d’un diplôme jugé équivalent.

Programmes similaires

  • Diplôme
    Master
    Filière
    Banque - Finance - Assurance
    Durée
    2 ans
    Rythme
    Jour
    Mode
    Présentiel
    Type
    Formation continue
    À travers ce programme, l’Exécutive Académie forme des diplômés hautement qualifiés, analytiques et avant-gardistes, prêts à occuper des postes spécialisés dans les secteurs de la banque, des services financiers, de la finance et du conseil financier (...)