M2MO: Modélisation Aléatoire, Finance et Data Science

Master en statistique, probabilités et finance - Université Paris 7 - Paris Diderot

 
 
 
 
 
 
Courses Group Data Science Data Science projects
 
 

Data Science projects

Lecturer: K. Tribouley

Period: Term 2

ECTS: 3

Schedule: 2h lecture + 1h of tutorial per week

Présentation :


Les étudiants travaillent en équipe sur des cas d'usage réels en mode POC : à partir d'un objectif métier et en s'appuyant sur un jeu de données dédié, ils

cadrent leur projet

définissent la démarche

assurent la production de leur solution

se comparent éventuellement   avec un benchmark

produisent la restitution écrite de leur mission

formalisent les REX



Les Cas d'Usage proposés proviennent de sources variées (Energie/Grande distribution/Luxe/Assurance/Banque). Leurs thématiques tournent autour de la relation client et/ou de l'analyse du comportement client.

-----------------------------------------------------------------------------------------------------------------

Démarche :


L'enseignant fait office de chef de projet

pour proposer les Cas d'Usage

pour valider la démarche et les choix méthodologiques des étudiants

pour fournir un appui théorique sur les algorithmes de Data Sciences utilisés

pour se porter garant des résultats et de la qualité des restitutions

-----------------------------------------------------------------------------------------------------------------

Organisation :


Séances collectives de rappels méthodologiques : apprentissage non supervisé, apprentissage super-visé, apprentissage profond  (régression, svm les machines à vecteur de support, gbm,  réseaux de neurones, plus proches voisins, arbres, forets ...)

Suivi hebdomadaire des équipes projets

    Travail des équipes projets en utilisant des outils open source (R, Python, KNIME, Tableau, Scrapinghub, )

-----------------------------------------------------------------------------------------------------------------

Exemples d'UC :


Détection de fraude

Moteur de recommandation

Web scraping : Enrichissement de la connaissance client ou Etude de notoriété