Programmes en Mathématiques
Actuariat (Professionnalisée)
La filière professionnalisées Actuariat de l’UFR Mathématiques et Informatique est une formation en deux grades (licence et Master) qui forme en collaboration avec l’Euro Institut d’Actuariat (EURIA) de l’Université de Bretagne Occidentale (France) et l’institut des Actuaires de Côte d’Ivoire (IACI), des cadres d’entreprises aux métiers de l’actuariat qui peuvent être chargés de :
- l’analyse, la gestion et la quantification financière des risques tant en assurance qu’en finance;
- l’application des mathématiques et des statistiques appliquées à la finance, l’assurance, la prévoyance.
Détails supplémentaires :
L’actuaire est un spécialiste de la prévision et de la gestion des risques au sein des compagnies d’assurance. Il conduit des études pour modéliser mathématiquement ces risques : élaboration et tarification de contrats d’assurance, évaluation de produits financiers, choix d’investissements, gestion des risques financiers. Il maitrise aussi les aspects juridiques, comptables, fiscaux et commerciaux dans lesquels se situe son intervention. Il doit pour cela disposer de compétences avancées en statistique, en informatique et en assurance. La licence Actuariat- Mathématique financières permet de poursuivre des études en banque, en assurance, en finance et en économétrie.
Condition d’accès
L1 : Accès par concours pour les titulaires du baccalauréat scientifique (C, D, E) ou diplôme équivalent.
L2 : Accès par concours ouvert aux étudiants ayant validé une L1 mention Mathématiques et aux étudiants inscrits en première année d’une classe préparatoire à dominante Mathématiques.
L3: Accès par concours ouvert aux étudiants ayant validé une L2 mention Mathématiques et aux étudiants inscrits en deuxième année d’une classe préparatoire à dominante Mathématiques.
Compétence :
A la fin de la formation, le diplômé est capable de :
- analyser, modéliser et gérer les risques d’assurance et de finance en tenant compte de l’environnement opérationnel, comptable et prudentiel;
- implémenter les procédures de valorisation ou de gestion des risques et assurer leur mise en production au sein de l’entreprise, anticiper les projets qui découlent des défis sociétaux actuel (longévité, dépendance) Mettre en œuvre les procédures de contrôle des risques, de gestion de portefeuille etc.
Master en Data Sciences (Professionnalisée)
La filière professionnalisée Data Sciences de l’UFR Mathématiques et Informatique offre une formation approfondie qui couvre les aspects théoriques et pratiques de l'analyse de données. Ce programme de Master est conçu pour former des experts capables de traiter, analyser et interpréter de grandes quantités de données dans divers contextes professionnels.
- Analyse avancée des données pour découvrir des tendances et des insights pertinents.
- Utilisation de techniques de machine learning et d'intelligence artificielle pour résoudre des problèmes complexes.
- Développement de modèles prédictifs et prescriptifs pour soutenir la prise de décision stratégique.
- Gestion et visualisation de données à l’aide d’outils et de logiciels spécialisés.
Détails supplémentaires :
Le programme de Data Sciences forme des professionnels capables de manipuler de grandes quantités de données et d’en tirer des informations utiles pour diverses applications. Les étudiants apprendront à utiliser des outils modernes pour l’analyse des données, y compris le machine learning, l’analyse statistique et la visualisation de données. Le cursus inclut également des projets pratiques en collaboration avec des entreprises pour acquérir une expérience concrète dans le domaine.
Condition d’accès :
Accès sur dossier et entretien pour les titulaires d’un diplôme de Licence en Mathématiques, Informatique, Statistiques, ou dans un domaine connexe. Les candidats doivent démontrer une solide compréhension des concepts de base en statistiques et en programmation.
Compétences :
À l'issue de la formation, le diplômé est capable de :
- Collecter, nettoyer et préparer les données pour l’analyse.
- Développer et appliquer des modèles statistiques et des algorithmes de machine learning pour des analyses complexes.
- Interpréter les résultats de l’analyse et communiquer les conclusions de manière claire aux parties prenantes.
- Utiliser des outils et des technologies de data science pour gérer et visualiser les données.