M2 Innovation, Marchés et Science des Données (IMSD)

-Une bonne connaissance du système d’exploitation linux
-Une maîtrise d’un langage de programmation (Python, Java ou Scala)
-Des notions de l'algèbre relationnelles et des système de gestion de base de données relationnels.
-Facultatif : Fondements des sy

Les principaux thèmes abordés seront les suivants :

• Le web comme locomotive de développement d’outil de gestion de données volumineuses
• Limite des systeme classiques de stockage et traitement de l’information
• Le changement de paradigmes en entreprise du transactionnel vers l’analytique
• Etude de l'écosystème Hadoop et ses différents outils et leurs rôles.

Le but de ce cours est de présenter les principales idées et théories relatives aux systèmes de gestion de données no sql (non tabulaire).
Ces technologies ont vu le jour notamment grâce à l'avènement des techniques de stockage et de traitement de volumes massifs de données.

Le cours s’étale sur 24 heures :

• 21 heures de cours théorique + des travaux pratiques. Le cours se compose des chapitres suivants :
• Introduction au big data
• L’écosystème Hadoop
• Les bases de données Nosql
• Elasticsearch et stack ES
• Les bonnes pratiques de passage en production !
• 3 heures: évaluation pendant laquelle les étudiants sont amenés à présenter un exposé par groupe de 5 maximum détaillant leurs travaux. Des sujets leurs seront proposés ainsi qu'un accès à une plateforme sur le cloud (Cluster de 10 machine sur le cloud Microsoft Azure) afin qu'ils proposent une chaîne de stockage, manipulation et restitution de données de bout en bout qui permet de répondre aux problématiques posées par le sujet choisi par le biais des outils de l'écosystème Hadoop.
  L'objectif étant de concrétiser les connaissances théoriques abordées pendant le cours dans le cadre d’un petit projet en mode pilote - proof of concept

Grover, M. (2015). Hadoop application architectures : designing real world big data applications. Sebastopol, CA: O'Reilly.
Kleppmann, M. (2017). Designing data-intensive applications : the big ideas behind reliable, scalable, and maintainable systems. Sebastopol, CA: O'Reilly Media.
White, T. (2015). Hadoop : the definitive guide. Sebastopol, CA: O'Reilly.
Bruchez, R. (2013). Les bases de données NoSQL : comprendre et mettre en oeuvre. Paris: Eyrolles.
Chokogoué, J. (2017). Hadoop : devenez opérationnel dans le monde du Big Data. St Herblain: Éditions ENI.

En mathématiques : analyse de données, algèbre, probabilité, statistiques de base et quelques notions de statistiques avancées (régressions, classifications et modèles de prédiction)
En informatique : algorithmique, notions de bases de données et de langage d’interrogation de type SQL, notions de terminal

Cours 1 et 2 : Enjeux de collecte des données, de privacy et de visualisation dans un environnement Big Data

I - Que recouvre vraiment la notion de Big Data ?

1)Les Big Data en question
2)L'approche des « 3V » reste pertinente
3)Petite typologie des données

II - Big Data : les risques, les freins, les écueils à éviter
III - Inventaire des bonnes pratiques pour tirer parti au mieux des Big Data
IV - Huit études de cas pour mieux comprendre l'impact concret des Big Data sur le business

Cours 2 et 3 : Introduction à l’open data, API et Cas pratiques
-Introduction à l’open data (signification, bref historique, différences entre données publiques et données ouvertes, différentes classes d’usages, mise en pratique)

• Travaux pratiques opendata.gouv, Insee, sncf
• APIs (Application Programming Interface) : définition, fonctionnement, exemples d’applications. Travaux pratiques
• Etude de cas : Création de valeur dans un environnement Big Data

Présenter une vision d'ensemble de la Big Data et de ses enjeux sur l’organisation actuelle. Ce cours doit donner les clefs de lecture d’un nouveau monde data-driven en explicitant les mythes et réalités autour des mots à la mode tels que la Big Data, l’Intelligence Artificielle, la Data Science, et le Machine Learning

6 séances de 3 heures qui se déroulent comme suit :

• 1/3 du cours pour l’explication des nouveaux concepts, définitions,
• 1/3 du cours des exemples pratiques explicités par le professeur et relatifs des nouveaux concepts acquis
• 1/3 du cours un travail d’expérimentation des élèves sur leurs propres machines, encadrés par le professeur

Livre Blanc – Big Data – Zouheir Guedri/PwC
Videos pédagogiques de Hans Rosling sur la visualisation des données
Big data Analytics - Andry Alamsyah - Social Computing and Big Data Research Group -
Open data – Simon Chignard. - donneesouvertes.info

Comportements du producteur en concurrence parfaite
-Techniques de base d’optimisation
-Maximisation du profit
-Fonction de coûts
-Détermination de la fonction d’offre et des demandes de facteur
-Equilibre sur un marché

Plan du cours

• Equilibre général en concurrence parfaite
• Monopole
• Discrimination par les prix : monopole discriminant
• Oligopole et duopole
• Différenciation des produits I : concurrence monopolistique
• Différenciation des produits II : oligopole
• Information, qualité et publicité

Le cours se déroule sous la forme de sept séances de 3h
Des notes de cours sont disponibles en ligne pour les étudiants
Des séances d’application sont organisées pendant lesquelles les étudiants travaillent sur des variantes des modèles présentés en cours

• Eléments de Microéconomie : Théorie et applications, Pierre PICARD, Montchrestien
• Analyse microéconomique, Hal R. VARIAN, De Boeck
• Theory of industrial organization, Jean TIROLE, MIT Press
• Game Theory for Applied Economists, Robert GIBBONS, Princeton University Press
• Game Theory : Interactive Strategies in Economics and Management, Aviad HEIFETZ, Cambridge University Press

-Connaissances de base en R
-Connaissance de base en statistiques

Le contenu du cours comporte trois thèmes:
• Le Marketing Client, l’Expérience Client
• Le CRM Analytique (passage en revue des techniques de Connaissance Client à travers la segmentation, la valeur client, les scores d’appétence, les scores d’attrition…).
• Le CRM Opérationnel (Forces de ventes, Campagnes Marketing, Centres d’appels, Support Client, CRM Collaboratif, e-CRM, Social CRM, passage en revue des outils utilisés).

L’objectif de ce module est de permettre aux étudiants d’acquérir les connaissances nécessaires en termes d’outils et de méthodes afin de mener des activités de Gestion de Relation Client.

Le module compte 8 demi-journées :

• Marketing Client : 1 demi-journées
• CRM Analytique : 2 demi-journées de cours, dont TP (Sous R)
• CRM Opérationnel : 3 demi-journées de cours, dont TP (Sous Salesforce)
• Soutenance de projet : 2 demi-journées

Les étudiants ont un projet à réaliser en binôme pour valider ce module

• Gestion de la relation client (Frédéric Jallat, Ed Peelen, Pierre Volle, Eric Stevens) – Pearson 2018
• L'expérience client (Laurence Body , Christophe Tallec) – Eyrolles 2015
• Magic Quadrant Reports (Gartner) - 2019
• The CRM Playbook (Forester) - 2019

Statistiques et économétrie

Chapitre 1 : Processus aléatoires stationnaires
Chapitre 2 :Modélisation univariée de Box et Jenkins
Chapitre 3 :Processus non stationnaires et tests de racine unitaire
Chapitre 4 :Hétéroscédasticité conditionnelle et modèles ARCH
Chapitre 5 :Séries temporelles multivariées : une introduction
Chapitre 6 :Modèles avec variables non stationnaires
Chapitre 7 :La cointégration
Chapitre 8 :Les modèles VAR.

L’objectif du cours est de familiariser les étudiants avec les techniques modernes
de modélisation des séries temporelles univariées et multivariées stationnaires,
et non stationnaires.
Les objectifs de ce cours de Time Series sont donc doubles :

1. pédagogiques : présenter de façon rigoureuse un panorama synthétique des
   méthodes économétriques utilisées en séries temporelles.
2. scientifiques : permettre aux étudiants de lire des articles d’économie appliquée
   et de réaliser des travaux économétriques.

Les supports de cours, de travaux dirigés ainsi que leur corrigés sont mis en ligne sur la plate-forme pédagogique E-campus avant et/ou après les séances. L’évaluation des connaissances s’effectue sous forme de projet. Il est demandé à chaque groupe de réaliser une modélisation économétrique univariée ou multivariée « propre » de la (les) série(s) choisie(s). Il s’agira notamment d’examiner ses propriétés statistiques d’identifier le processus inconnu sous-jacent, d’estimer ses paramètres, de s’assurer que toutes les hypothèses usuelles sont bien vérifiées, et de réaliser des prévisions statiques sur, et en dehors de la période d’estimation. Il s’agira également en cas de plusieurs modélisations alternatives possibles pour cette série d’indiquer le modèle finalement retenu et les critères sur lesquels a été basé ce choix.

– Campbell J.Y, Lo A.W et A.C. MacKinley A.C, 1997, The Econometrics of Financial Markets, Princeton University Press. – Francq C. et J-M. Zakoian, 2009, Mod eles Garch : Structure, Inférence Statistique et Applications Financières, Economica, collection Economie et Statistiques Avancées, Paris. – Gouriéroux C., 1992, Modèles ARCH et Applications Financières, Economica, Paris. – Gouriéroux C. et A. Monfort, 1990, Séries Temporelles et Modèles Dynamiques, Economica,Paris. – Hamilton J.D, 1994, Time Series Analysis, Princeton University Press. – Lamberton, D. et B. Lapeyre, 1997,

Une bonne maîtrise des techniques générales d’analyses factorielles simples et de classification d’individus statistiques (classification ascendante hiérarchique, centres mobiles), ainsi que l’inférence dans le cadre du modèle linéaire gaussien.

Le plan est le suivant :

1. Modélisation du comportement du consommateur : satisfaction et fidélité.
2. Méthodes d’estimation de modèles à équations structurelles : la méthode LISREL, l’approche PLS et l’approche RFPC.
3. La création de modèles : les modèles libres.

Les modèles à équations structurelles (SEM) sont d’un usage important dans de nombreux champs disciplinaires tels que la psychométrie, la sociologie, l’économétrie et aussi les sciences de gestion. Le but de ce cours est d’acquérir les bons réflexes méthodologiques et les connaissances théoriques nécessaires pour la mise en œuvre des modèles SEM. La mise en pratique se fera sous SAS et R essentiellement.

Sur les 24 heures dispensées : 18 heures sont consacrées au cours académique mêlant théorie et pratique avec de nombreux exemples réels et simulés, les 6 heures restantes sont dédiées aux travaux pratiques sur des données réelles qui peuvent être traitées avec SAS, R ou Python. Les étudiants sont regroupés par deux, un compte-rendu de TP est à envoyer un mois après la fin du cours.

B. S. EVERITT. An introduction to latent variable models, 1984
K. A. BOLLEN. Structural Equation with latent variables, 1989
P. ROUSSEL et al. Méthodes d’Equations Structurelles : recherche et application en Gestion, 2002
L. HATCHER. A step-by-step approach to Factor Analysis and Structural Equation Modelling using SAS System. SAS Institute Inc. 1994
M. TENENHAUS, V. ESPOSITO VINZI, Y. M. CHATELIN and C. LAURO, PLS Path Modelling, Computational Statistics and Data Analysis, vol. 48 n°1, jan. 2005
H. WOLD. Soft Modelling : The Basic Design and Some Extensions, in Jöreskog K.G. and Sörbum D., Editors, Systems under Indirect Observation, 1982
Tenenhaus (1998), La régression PLS, Technip

Cours de M1 Finance ou equivalent
Cours d'Introduction a la programmation

Aucun

Jour 1 :

• Qu’est-ce que la data visualisation ?
• Presentation de l’interface de Tableau Software
• Production de data visualisation (niveau 1)

Jour 2 :

• Production de data visualisation (niveau 2 et 3)

learn how to design and create visualizations.

Cours pratiques avec l'utilisation de des logiciels Tableau ainsi que Power Bi

Partie I. Rappels:
Algèbre matricielle
Probabilités et des lois de probabilité
Echantillonnage et de tests d’hypothèses

Partie II. Régression simple et multiple: les hypothèses des MCO et les conséquences de violation de certaines hypothèses

Cours des rappels (Algèbre matricielle;
Probabilités et des lois de probabilité;
Echantillonnage et de tests d’hypothèses)
et d’introduction à l’économétrie

Cours théorique avec des applications sur Python; illustrations avec SAS et Stata également

B. Crépon et N. Jacquemet (2010), Econométrie: méthode et applications, Groupe de Boeck s.a.;

W. Green (2011), Econométrie, Pearson Education: certains chapitres et annexes mathématiques:
Annexe B « Probabilités »
Annexe C « Estimation et inférence »

Ch. Hurlin & V. Mignon (2015), Statistique et probabilités en économie-gestion, Dunod

G. Saporta (2011), Probabilités, Analyse des Données et Statistiques, 3ème édition révisée, Editions Technip;

Connaissance générale des concepts mathématiques usuels de la Statistique, des méthodes de statistique multivariée, d’analyse factorielle et de régression
Appréciation des enjeux technologiques actuels

Introduction et Concepts
Introduction au datamining
La donnée, Définition
Le projet de datamining
Méthodes statistiques du Datamining
Statistique Descriptive, business Intelligence et organisation de la donnée
Statistique Exploratoire et typologies
Méthodes de modélisation
Ouverture Applicative
Exemple de données non structurées, le text-mining
Connaissance Client
Moteurs de recommandation

Structurer et valider les acquis en statistique et usage des logiciels d’analyse
Positionner les techniques et technologies dans l’ordre d’un projet de datamining
Fonder la réflexion sur les usages et l’interconnexion des apprentissages suivants

Mining the Web: Transforming Customer Data into Customer Value. Gordon
S. Linoff, Michael J. A. Berry.

Data Mining et statistique décisionnelle , L’intelligence des données.
Stéphane Tufféry.

« Modélisation prédictive et apprentissage statistique avec R » Par
Stéphane Tufféry.

Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management, 3rd Edition.
Gordon S. Linoff, Michael J. A. Berry

Ce cours nécessite une bonne compréhension de la probabilité, la statistique différentielle et l’économétrie (notions de modèle, estimation des paramètres par l’estimateur des MCO et du maximum de vraisemblance, notions de multicolinéarité).

Toutefois, en fonction du niveau des étudiants et de leurs parcours antérieurs, des rappels seront effectués sur les notions essentielles du cours.

1. Introduction au Scoring
2. Panorama sur les méthodes usuelles d’estimation d’un « Score » (méthodes paramétriques Vs Non paramétriques)
3. Introduction à la régression logistique
4. Méthodologie d’estimation d’un modèle de régression logistique
5. Sélection des modèles et des variables dans le cadre de la régression logistique
6. Méthodes de validation des modèles
7. Présentation des modèles de régression multinomiale
8. Mise en place d’une grille de score à partir des résultats d’estimation du modèle

La finalité de ce cours est double : (i) permettre aux étudiants de comprendre les aspects théoriques des modèles couramment utilisés pour établir un « Score » (ii) et de leur permettre de mettre en place, à partir de données réelles et avec un logiciel statistique (SAS, R ou Python), un « Score » de risque de crédit.

Ce cours de 24h CM se décompose comme suit :

• 18h de cours théoriques
• 6h de TP sur machines

• Stéphane Tufféry, DataMining et Statistique décisionnelle, Editions Technip.
• Stéphane Tufféry, Modélisation prédictive et Apprentissage statistique avec R, Editions Technip.
• Stéphane Tufféry, Etude de cas en statistique décisionnelle, Editions Technip.
• Vivek Ajmani, Applied Econometrics using the SAS system, Wiley
• Bart Baessens, Daniel Rosch, Harald Scheule, Credit Risk Analytics, Measurement Techniques Applications, and Examples in SAS, Wiley

Avoir des notions d’outils d’exploration de données

Une bonne maîtrise des techniques générales d’analyses factorielles simples et de classification d’individus statistiques (classification ascendante hiérarchique, centres mobiles), ainsi que l’inférence dans le cadre du modèle linéaire gaussien.

La régression PLS (Partial Least Squares) permet de modéliser linéairement une ou plusieurs variables réponses à l’aide d’un nombre élevé de prédicteurs (parfois supérieur au nombre d’observations), pouvant être multi-colinéaires et de prendre en compte les données manquantes.
Ce cours aborde les problèmes d’instabilité et de non inversibilité en régression multilinéaire. Pour pallier ces problèmes, des indicateurs de détection de la multicolinéarité seront introduits, la régression sur composantes principales et la régression PLS seront développées, en particulier l’algorithme NIPALS permettant de traiter :
• Le cas d’une unique variable réponse (régression PLS1)
• L’extension à plusieurs variables réponses (régression PLS2)

Sur les 15 heures dispensées : 10 heures sont consacrées au cours académique mêlant théorie et pratique avec de nombreux exemples réels et simulés, les 5 heures restantes sont dédiées aux travaux pratiques sur des données réelles qui peuvent être traitées avec SAS, R ou Python. Les étudiants sont regroupés par deux, un compte-rendu de TP est à envoyer un mois après la fin du cours.

Derquenne Ch. et Hallais C., (2003) Une méthode alternative à l'approche PLS : comparaison et application aux modèles conceptuels marketing, Revue de Statistique Appliquée, 52, 37-72.
Hotelling H., (1936a) Simplified calculation of principal components, Psychometrica, 1, 27-35.
Tenenhaus (1998), La régression PLS, Technip
Wold H., (1966), Estimation of the Principal Components and Related Models by Iterative Least Squares, Krishnaiah P.R. Editor, Multivariate Analysis, 391-420, Academic Press, New-York.
Wold H., (1973) Nonlinear Iterative Partial Least Squares (NIPALS) Modelling some Current Developpements, in Krishnaiah P.R. Editor, Multivariate Analysis, III, 391-420, Academic Press, New-York.
Wold H., (1982) Soft Modelling : The Basic Design and Some Extensions, in Jöreskog K.G. and Sörbum D., Editors, Systems under Indirect Observation, 2, 1-54, North-Holland, Amsterdam.
Wold S., Ruhe A., Wold H. & Dunn III W.J., (1984) The collinearity problem in linear regression. The partial least squares (PLS) approach to generalized inverses, SIAM J. Sci. Stat. Comput., 5, n°3, 735-743.
Wold H., (1985) Partial Least Squares, Kotz S. and Johnson N.L. Editors, Encyclopedia of Statistical Sciences, 6, 581-591, Wiley, New-York.

Connaissance du language python.
Notions sur le système d’exploitation Linux
Notions sur le shell Linux

Plan du cours
•Introduction aux systèmes répartis
•Introduction aux outils de la stack Hadoop
•Mise en œuvre en entreprise
•Etude et pratique détaillée des outils :
oHadoop - HDFS
oHive - Ingestion et traitement des données
oSpark SQL- Manipulation des données, construction d'un modèle intermédiaire avec python/pySpark
oSpark - Machine learning MLLIB avec python/pySpark
oIntroduction à Spark Streaming – Kafka

Autres outils abordés : ambari, zeppelin, Superset.

Objectifs
•Comprendre le paradigme, le fonctionnement et les enjeux des applications distribuées.
•Comprendre et Pratiquer les outils technologiques reflétant les socles Big Data actuellement répandus en entreprise.
•Mettre en œuvre un projet Data sur une plateforme distribuée, de la collecte de donnée à la mise en œuvre d’un modèle de machine learning en passant par la préparation et l’exploration des données.

La pile technologique étudiée est constituée de HDFS, YARN, Hive et de Spark sur une distribution HortonWorks 3.

Le cours est constitué d’un enseignement de 24 heures.

Après une première partie théorique sur les systèmes distribués, nous aborderons le fonctionnement des outils de la stack Hadoop. La pratique systématique de ces outils, installés sur un cluster de 10 machines et hébergés sur Azure, permettront aux étudiants de devenir opérationnels sur ces technologies.

Le module sera validé par un projet à réaliser en groupe et dont le but sera de réaliser une analyse de machine Learning dans un contexte distribué en traitant la donnée à partir de sa collecte.