Niveau de sortie
BAC+5 : grade master, DEA, DESS, ingénieur... (NIVEAU 7)
Points forts
Compétences axées sur les métiers et meilleures pratiques professionnelles. Formations assurées par des enseignants-chercheurs et professionnels experts dans leur domaine
Objectifs
Exploiter des données financières et assurantielles afin de produire des analyses utiles à la prise de décision.
Mettre en œuvre des méthodes de machine learning pour la prévision, la classification, la détection d'anomalies et l'évaluation des risques.
Évaluer la pertinence, les performances et les limites des modèles d'intelligence artificielle appliqués aux activités financières et assurantielles.
Préparer, structurer et visualiser des données afin d'améliorer leur interprétation et leur utilisation opérationnelle.
Interpréter les résultats des modèles quantitatifs et formuler des recommandations adaptées aux enjeux métiers.
Communiquer efficacement les résultats d'analyses et les recommandations auprès de publics spécialisés ou non spécialisés.
Interagir dans un environnement professionnel international en mobilisant l'anglais professionnel dans les situations de communication, de présentation et de collaboration.
Adapter la communication financière et technique aux besoins des différentes parties prenantes d'un projet numérique ou financier.
Programme
La finance durable et les principales notions
Le cadre réglementaire français et européen
Les entreprises et des acteurs non financiers : les enjeux environnementaux, sociaux et de gouvernance
Les approches extra-financières dans le domaine de la gestion d'actifs
La commercialisation des produits liés à la finance durable
Fondamentaux de la programmation Python — variables, conditions, boucles, fonctions, structures de données — ainsi que la lecture et l'écriture de fichiers dans différents formats.
Ecosystème des librairies data science : manipulation de données tabulaires avec pandas et numpy, visualisation avec matplotlib et plotly, échanges avec le web via requests.
La collecte de données est traitée à travers des projets concrets : interrogation d'APIs publiques, web scraping, et analyse de données réelles.
Outils d'IA générative appliqués au développement : utilisation de LLM pour coder, déboguer et prototyper (développement IA-assisté, vibe coding).
Fondements du machine learning : terminologie, principes d'entraînement d'un réseau de neurones, et mise en pratique sur un projet de classification d'images (TensorFlow/Keras).
Calcul et interprétation de statistiques descriptives sur des variables quantitatives et qualitatives
Initiation à R
Principes et mise en oeuvre des analyses factorielles multivariées
Construction de typologies par classification
Résultats attendus
RNCP42358BC08
Financement
Cette formation certifiante est proposée par un organisme certifié Qualiopi. Elle est éligible au compte personnel de formation (CPF). Selon votre situation, d'autres financements peuvent s'ajouter : France Travail pour un demandeur d'emploi, fonds d'assurance formation pour un indépendant, ou OPCO de l'employeur pour un salarié.
Source : catalogue public Mon Compte Formation (Caisse des Dépôts), licence ouverte Etalab, mis à jour le 20/11/2026. Prix public indicatif communiqué par l'organisme de formation.