Génie Statistique
Voie de spécialisation de troisième année (ISE 3)
Présentation
Plongez au cœur des méthodes statistiques et économétriques les plus avancées. Cette spécialisation est destinée aux futurs ingénieurs qui souhaitent concevoir et appliquer des modèles complexes pour résoudre des problèmes de grande envergure dans l'industrie, la recherche ou la tech.
- Année
- 3e année (ISE 3)
- Enseignements de spécialisation
- —
- Crédits de spécialisation
- —
- Stage
- Fin de cycle, 3 à 4 mois
Compétences et débouchés
Compétences clés
- Statistique avancée (bayésienne, valeurs extrêmes, processus empiriques)
- Économétrie avancée (spatiale, modèles DSGE/EGC)
- Machine Learning et Deep Learning avancés
- Calcul haute performance (Cloud computing, Programmation en GPU)
- Méthodes d'estimation robustes (bootstrap, non-paramétrique)
Débouchés professionnels
- Ingénieur statisticien
- Data Scientist
- Machine Learning Engineer
- Économètre-Statisticien
- Ingénieur R&D en modélisation
Programme
Les enseignements de la voie s’ajoutent au tronc commun de troisième année ; chacun renvoie à sa fiche de cours. Voir le tronc commun
Les volumes affichés additionnent les heures renseignées, hors travaux et stages sans volume horaire précisé. Un tiret indique une donnée ou un total incomplet.
Le programme détaillé de cette voie sera publié prochainement.
| Semestre 5 | Heures | Crédits |
|---|---|---|
| Méthodes Statistiques | — | — |
| Les matières de cette UE ne sont pas encore renseignées. | ||
| Total | — | — |
| Semestre 6 | Heures | Crédits |
|---|---|---|
| Méthodes estimation avancées | — | — |
| Les matières de cette UE ne sont pas encore renseignées. | ||
| Économétrie avancée | — | — |
| Les matières de cette UE ne sont pas encore renseignées. | ||
| Outils Data Science | — | — |
| Les matières de cette UE ne sont pas encore renseignées. | ||
| Total | — | — |
Les autres voies
Intéressé par cette voie ?
La spécialisation se choisit en troisième année, après deux années de tronc commun accessibles sur concours.