Ce que vous saurez faire
Ce parcours de master a pour objectif d'apporter aux étudiants une formation généraliste en économétrie théorique et empirique menant à la recherche ou à la réalisation d'analyses économétriques. Le programme d'enseignement de ce parcours vise à fournir une compréhension approfondie et une maîtrise des derniers développements de l'économétrie théorique et de ses méthodes, ainsi que de la théorie du machine learning et des analyses de masse. Le programme vise à initier l'étudiant à la recherche et à développer sa capacité à définir et conduire un projet de recherche en économétrie.
Le déroulé, étape par étape
Semestre 3
BCC 1 : Etre capable d'utiliser les méthodes de la science de données
- Machine Learning et Programmation I / Machine Learning and Programming I 9
Machine learning et statistical learning / Machine Learning and Statistical Learning
Programmations / Programming
Logiciels / Software
BCC 2 : Etre capable de comprendre et appliquer les techniques économétriques
- Econométrie I / Econometrics I
Méthodes de prévision / Predictive Methods
Méthodes de réduction de l'information / Methods for Information Reduction
Méthodes non paramétriques en économétrie / Non-parametrics Methods in Econometrics
Séries temporelles / Time Series
BCC 3 : Etre capable de concevoir, conduire et communiquer autour d'un projet en maîtrisant l'environnement professionnel
- Applications et projets I / Applications and Projects I
Utilisation de la science des données : limites et défis / Practicing data science in the real world: Limitations and Challenges
Application: marketing quantitatif / Application: Quantitative Marketing
Méthodologie des études économétriques et statistiques / Methodology of econometric and statistical studies
- Préparation de l'insertion professionnelle / Preparation for entering the job market
Ateliers de professionnalisation / Professional training
Semestre 4
BCC 1 : Etre capable d'utiliser les méthodes de la science de données
- Machine Learning et Programmation II / Machine Learning and Programming II
Machine learning avancé / Advanced Machine Learning
Interprétabilité et la causalité en Machine Learning / Interpretability and Causality in Machine Learning
BCC 2 : Etre capable de comprendre et appliquer les techniques économétriques
- Econométrie II / Econometrics II
Modèles de transitions et de durées / Transition and Duration Models
Colles en économétrie / Oral training in econometrics
BCC 3 : Etre capable de concevoir, conduire et communiquer autour d'un projet en maîtrisant l'environnement professionnel
- Applications et projets II / Application and projects II
Hackathon / Hackathon
Certification / Certification
BCC 4 : Se professionnaliser
- Stage de fin d'études
Rapport de stage
À la fin de la formation
Compétences professionnelles principales visées à la fin du M2 :
Contribuer à la production scientifique novatrice en économétrie,
Valoriser les résultats de la recherche,
Faire preuve d'expertise dans un domaine de la recherche en économie
En réponse à l'internationalisation des opportunités professionnelles, le programme de master est enseigné entièrement en anglais.
Selon l’organisme
Solide connaissance des méthodes économétriques et d'apprentissage automatique et de leurs conditions d'utilisation, mise en œuvre sur des données réelles et à la présentation des résultats, à des publics variés. Utilisation de l'anglais
Où se déroule la formation
Payer avec votre Compte Personnel de Formation
Cette formation figure au catalogue Mon Compte Formation : elle est éligible au CPF. Vos droits, cumulés en euros, se consultent et s’utilisent sur le site officiel.
Vérifier mes droits sur moncompteformation.gouv.frOrganisme, certification, inscription
Texte rédigé par l’organisme de formation. Source : « Moncompteformation – L’offre de formation », Caisse des Dépôts et DGEFP, données ouvertes sous Licence Ouverte 2.0, mise à jour du 14/10/2026. WorkDispo n’est pas affilié à Mon Compte Formation.
