MASTER 2 Sciences, Technologies, Santé - Mention Mathématiques Appliquées, Statistique - Département Mathématiques
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
MASTER 2 Sciences, Technologies, Santé
Mention Mathématiques Appliquées, Statistique
Parcours Ingénierie Statistique Numérique
Année universitaire 2017 – 2018
http://mathematiques.univ-lille1.fr
-1-
TABLE DES MATIERES
Présentation…………………………………………………………………………………………………….page 3
Témoignages……………………………………………………………………………………………………page 5
Organisation des études………………………………………………………………………………..page 6
Contacts………………………………………………………………………………………………………….page 7
Admission………………………………………………………………………………………………………..page 8
Stage……………………………………………………………………………………………………………….page 9
Programme des cours…………………………………………………………………………………..page 10
-2-
PRESENTATION
OBJECTIFS
Le master 2 d’Ingénierie Statistique et Numérique (ISN) a été créé en 1990. Son contenu
est régulièrement adapté à l'évolution des moyens, des méthodes et des besoins des
entreprises, en particulier en observant les cursus professionnels des étudiants diplômés
(plus de 300). Le master ISN fournit un savoir-faire :
• En statistique (simulation, prévision, fiabilité, contrôle de qualité, analyse des
données, credit-scoring, analyse discriminante, segmentation, etc.)
• En calcul scientifique (recherche opérationnelle, méthodes numériques, etc.)
• En informatique (construction et gestion de bases de données, langages
correspondants, outils de bureautique, manipulation de logiciels, etc.)
• Ainsi qu'une approche de la culture générale de l'entreprise (marketing, gestion,
anglais)
Les étudiants ont accès à tous les outils informatiques de statistique et de calcul en
accompagnement des cours. Tout se déroule (sauf l’anglais) dans un espace réservé ISN où
ils travaillent toute la semaine, avec un équipement informatique adapté.
Le stage terminal de quatre mois minimum en entreprise, en général plutôt six mois,
élément fondamental en master professionnel, prépare à l'entrée dans la vie active, et
complète la connaissance du milieu de l'entreprise et de la gestion des ressources
humaines en même temps qu'il met en situation les étudiants. Le stage est complété par
des projets d’entreprise d’octobre à février, véritables expériences professionnelles sur
des missions complexes.
Il est possible de suivre également le M2 ISN en alternance avec une présence régulière en
entreprise entre septembre et le départ en stage.
EQUIPE ENSEIGNANTE
Elle se compose de personnels du laboratoire de Mathématiques Paul Painlevé de Lille 1
ainsi que d’autres enseignants universitaires. L’implication de nombreux intervenants issus
du milieu professionnel assure aux étudiants une ouverture d’esprit et des contacts utiles
(projets, stages, emplois) pour appréhender au plus près la palette des métiers possibles à
l’issue de leur formation.
-3-
DEBOUCHES
Les diplômés du master ISN sont typiquement recrutés avec un statut de cadre au sein des
entreprises de toutes tailles. Ils sont appréciés pour leur esprit d'initiative et pour leur
profil vite opérationnel. Les fonctions exercées sont celles de :
• Responsable (qualité, production, organisation, prospection, prévision, ciblage,
études et scores, plan commercial)
• Chargé d'études (statistique, DataMining, marketing, crédit, actuariat)
• Ingénieur (consultant développement, informatique décisionnelle, administrateur
bases de données)
Le master ISN est en phase avec les débouchés offerts par les grandes entreprises
régionales et nationales :
• Dans le secteur de la vente à distance (La Redoute, les Trois Suisses, Damart…)
• Dans les administrations publiques ou territoriales (INSEE, INRETS, ASSEDIC, DRASS,
SNCF…)
• Dans le secteur banque/assurance (Crédit Agricole, Banque Directe, CACF, La
Poste, Cofidis, Banque Accord, Swiss Life…)
• Dans le domaine des services (Altao, Softcomputing…)
• Dans de nombreux autres secteurs d'activités (Décathlon, Leroy Merlin, France
Télécom, ArcelorMittal, Ikea, EDF…)
Ces dernières années, il n'est pas rare de voir les étudiants contactés par les entreprises
pour un CDI avant même la soutenance de leur diplôme.
Une possibilité de poursuite d’études en doctorat existe aussi occasionnellement (en
moyenne, un étudiant par an).
-4-
TEMOIGNAGES
VIVIANE TAHON / PROMOTION 2008
CONTROLEUR DE GESTION CHEZ BANQUE ACCORD
Passionnée par les mathématiques (bac S spé Maths, classes préparatoires MPSI),
j'ai suivi un module d'initiation à la statistique durant mon année de licence de
maths. Ayant adoré cette option, je me suis orientée vers le Master ISN qui offre
des débouchés vers des applications concrètes des statistiques et de
l'informatique. Après un stage de fin d'études de 6 mois chez Cofidis, j'ai rejoint Banque Accord en
tant qu'analyste risque à l'international pendant un an, le poste étant basé en France et comprenant
des déplacements à l'étranger. Puis j'ai occupé la même fonction sur le périmètre français, mais
dans un département plus axé pilotage, prévisions et budget, en lien direct avec la direction
financière que j'ai intégrée 3 ans et demi après en tant que contrôleur de gestion.
AURELIEN MAILLET / PROMOTION 2012
RESPONSABLE ETUDES ACTUARIELLES CHEZ SWISSLIFE
Après avoir passé mon Master 1 à Reims, j'étais à la recherche d'un Master 2 dans
mon domaine avec une bonne réputation et un bon réseau.
A la sortie du Master, j'ai trouvé un emploi rapidement (moins d'un mois) et j'ai
eu le choix entre 3 entreprises : Aviva à Paris, Lincoln (SSII) et Swisslife où je
travaille depuis 2 ans.
PIERRE THOREL / PROMOTION 2010
CHARGE D’ACTIVITES MARKETING
CHEZ CREDIT AGRICOLE NORD DE FRANCE
Doté d'un goût prononcé pour les activités analytiques et attiré par le monde de
l'entreprise, c'est tout naturellement que j'ai opté pour le master ISN à l'issue
d'une licence de mathématiques. Le diplôme qu'il délivre est reconnu par les
entreprises de la région, et offre une large gamme de compétences en statistiques et en
informatique. Il permet d'exercer toute la palette des métiers analytiques, allant de l'informatique
décisionnelle au marketing analytique en passant par la gestion du risque et la recherche
opérationnelle...
A titre personnel, j'ai pu, en 4 ans, exercer les métiers de chargé d'études statistiques, de
gestionnaire de projets informatiques, puis de projets bancaires. Aujourd'hui rattaché au marketing
analytique, j'ai en charge les activités datamining du service.
DOROTHEE THUILLIER / PROMOTION 2011
INGENIEURE D’ETUDES EN BIOSTATISTIQUES AU CNRS
A l'entrée en ISN, l'envie de partir dans la recherche médicale était claire. Etre à
l'écoute, se faire comprendre des différents acteurs du laboratoire (médecins,
chercheurs, biologistes, bioinformaticiens, biostatisticiens), les nombreux
projets réalisés en master permettant de développer ces qualités humaines. La
diversification des enseignements, l'ouverture aux méthodes numériques, à l'informatique,
proposées en M2 ISN me permettent d'accompagner les évolutions techniques du laboratoire et de
m'ouvrir notamment à la bioinformatique.
Sans connaissance en génétique à mon arrivée, j'ai su gagner la confiance des différents acteurs
pour mener à bien des projets de recherche. Cela par l'envie d'apprendre, l'autonomie et savoir se
remettre en question. Le master m'a appris à cultiver cette différence au sein du laboratoire
aujourd'hui.
-5-ORGANISATION DES ETUDES 201 7 - 20 18
Semestre 3
Analyse des données et outils statistiques (UE 1) – 8 ECTS
- Formation logiciels de statistique
- Analyse de données
- Analyse de variance et plans d’expérience
- Etudes de cas
Modélisation : Méthodes et outils (UE 2) – 8 ECTS
- Chaînes de Markhov, méthodes de type Monte Carlo et files d’attente
- Prévisions dans les séries chronologiques
- Méthodes numériques de l’ingénieur
- Recherche opérationnelle
Outils informatiques (UE 3) – 6 ECTS
- Systèmes de gestion de base de données
- Java-Web et introduction au data warehouse
- Unix-web
Langages et culture d’entreprise (UE 4) – 8 ECTS
- Anglais
- Marketing, géomarketing
- Initiation à la gestion, à la comptabilité et au management de projet
- Connaissance des métiers et conférences de connaissance de l’entreprise
Semestre 4
Projets – 6 ECTS : 3 projets en trinôme durant le mois de février pour
approfondir chacune des thématiques des UE 1, UE 2 et UE 3 du 1er
semestre. Selon les UE, ces projets seront en lien direct avec des
entreprises.
Stage – 24 ECTS : 4 à 6 mois à partir de début mars
-6-CONTACTS
RESPONSABLE :
CHRISTOPHE BIERNACKI
Laboratoire Paul Painlevé UMR CNRS 8254
Université des sciences et technologies de Lille
Cité scientifique - Bâtiment M2
59655 VILLENEUVE D’ASCQ CEDEX (France)
Mail : Christophe.biernacki@ univ-lille1.fr
SECRETARIAT PEDAGOGIQUE :
AURORE SMETS
Université des sciences et technologies de Lille
Cité scientifique - Bâtiment M2 – Bureau 010
59655 VILLENEUVE D’ASCQ CEDEX (France)
Mail : math-masters2@univ-lille1.fr
Tel : +33 (0) 3.20.43.42.33
ASSOCIATION DES ANCIENS :
Association "A.I.S.N." : http://aisn.free.fr/
-7-ADMISSION
DOSSIER
Le dossier de candidature peut être retiré auprès du secrétariat pédagogique de l’UFR de
mathématiques de l'université Lille 1 ou téléchargé en ligne sur le site de la formation. Ce dossier
est à déposer de préférence avant la mi-juin. Le nombre de places étant limité, les
candidatures sont examinées sur dossier et éventuellement entretien.
TITRE REQUIS
Pour candidater, une première année de Master est nécessaire soit en Ingénierie
Mathématique, soit en Econométrie, soit en Mathématiques Appliquées aux Sciences
Sociales, soit en Mathématiques Appliquées aux Sciences Humaines. A défaut, les étudiants
devront obtenir une validation d’études ou d’acquis professionnels.
FORMATION CONTINUE
Le master peut accueillir en formation continue des étudiants issus d'une entreprise ou des
demandeurs d'emploi.
S'adresser au Service de la Formation Continue (SFC) :
sfc-accueil-pole1@univ-lille1.fr / http://formation-continue.univ-lille1.fr/
Bâtiment SUDES - Cité Scientifique
Boulevard Paul Langevin
59655 Villeneuve d’Ascq Cedex
En outre, il est possible de suivre la formation dans le cadre d’un contrat de
professionnalisation : contratdepro@univ-lille1.fr .
-8-S T AG E
Tous les étudiants du Master 2 Ingénierie Statistique et Numériques doivent effectuer un
stage d’une durée comprise entre 4 et 6 mois (sur la période allant de mars à septembre)
au sein d’entreprises ou, plus rarement, de laboratoires de recherche.
Les mémoires sont encadrés ou co-encadrés par des enseignants de la formation. Il donne
lieu à un rapport écrit et à une soutenance orale.
POUR LES STAGES A L’ETRANGER (MOBILITE) :
Il existe des bourses permettant un financement partiel des stages de recherche à
l’étranger. Pour plus d’informations, se rapprocher en novembre du Service Relations
Internationales de l’Université Lille1 : http://www.univ-lille1.fr/international/Etudier-a-
etranger .
-9-PROGRAMMES DES COURS
2017 - 2 018
- 10 -S3-UE1 : Analyse des Données et Outils Statistiques (8 ECTS) – 60 h de cours /
60h TD-TP
- Connaissances
Logiciels courants de statistique
Techniques habituelles d’analyse des données
Illustrations sur des études de cas en lien avec la réalité
Techniques habituelles de plans d’expériences
- Compétences et Savoir-faire
Identifier une problématique comme relevant de l’analyse des données
Mettre en oeuvre des techniques standards par des logiciels spécialisés
Mettre en concurrence ces méthodes pour sélectionner la plus adaptée
Interpréter/présenter les résultats en vue d’un échange avec des non-statisticiens
Définir un plan d’expériences en amont de l’acquisition des données
- Pré-Requis
Probabilités : modèles et applications (S1-UE3)
Statistique mathématique (S1-UE4)
Traitement Informatique Statistique des Données (S1-UE5)
Analyse des Données (S2ISN-UE5)
Traitement Informatique de l’Analyse des Données (S2ISN-UE6)
- Programme détaillé
A1 : Formation logiciels de statistique (24h)
Approfondissement du logiciel SAS (18h) et du logiciel SPSS (6h).
Illustrations à travers différentes méthodes statistiques
A2 : Analyse des données (48h)
Cet enseignement théorique reprend, prolonge, approfondit et met en perspective
l’ensemble des notions d’analyse des données vues en S2-UE4 et S2-UE5. Pour les
étudiants n’étant pas issus de la 1ère année du Master d’ingénierie mathématique, il
s’agit d’une indispensable mise à niveau (dispensée sous forme accélérée).
Méthodes descriptives multidimensionnelles :
Analyse en composantes principales
Analyse factorielle des correspondances
Analyse des correspondances multiples
Méthodes de classification : hiérarchie (CAH), partitionnement (nuées
dynamiques)
Méthodes explicatives et prédictives :
Régression linéaire multiple
Scoring et risques associés, courbe ROC
Discrimination géométrique et analyse factorielle discriminante
Discrimination probabiliste : régression logistique, discrimination gaussienne
Segmentation par arbre binaire : méthode CART
- 11 -A3 : Analyse de variance et plans d'expériences (18h)
Analyse de la variance :
Un et à deux facteurs, nombre quelconque de facteurs
Mise en oeuvre avec des logiciels de statistique (SAS, R, SPAD, etc.)
Plans d’expériences :
Notion d’optimalité d’un plan d’expériences, orthogonalité
Plans complets à deux niveaux
Plans fractionnaires à deux niveaux : méthode de Box et Hunter
Introduction aux graphes de Taguchi
Mise en oeuvre avec des logiciels de statistique (SAS, R, SPAD, etc.)
A4 : Études de cas (30h)
Les méthodes d’analyse de données décrites dans la partie A2 précédente sont illustrées
sur des études de cas par l’utilisation de logiciels classiques de statistique (SAS, SPAD, R,
etc.). Certaines de ces études pourront être rendues sous forme de mini-projets notés.
S3-UE2 : Modélisation : Méthodes et outils (8 ECTS) – 60h de cours / 60h TD-TP
- Connaissances
Chaînes de Markov, méthodes de type Monte Carlo et files d’attente
Prévisions dans les séries chronologiques
Méthodes numériques de l’ingénieur
Recherche opérationnelle
- Compétences et Savoir-faire
Identifier et modéliser un phénomène de file d’attente
Identifier, modéliser et mettre en oeuvre informatiquement une prévision
temporelle
Résoudre numériquement des systèmes d’équations linéaires ou non
Identifier, modéliser et résoudre un problème d’optimisation combinatoire
- Pré-Requis
Optimisation convexe (S1-UE1)
Modélisation et approximation par différences finies (S1-UE2)
Traitement Informatique de l’Analyse Numérique (S1-UE6)
Probabilités : Modèles et Applications (S1-UE3)
Statistique Mathématique (S1-UE4)
Traitement Informatique Statistique des Données (S1-UE5)
Optimisation Linéraire et Discrète (S2ISN-UE7)
- Programme détaillé
M1 : Processus markoviens de sauts, algorithmes stochastiques et files d’attente
(30h)
Les files d'attente se rencontrent aussi bien dans l'organisation d'un atelier, la gestion d'un
stock ou l'implantation d'un système informatique. Le calcul des probabilités et les
modèles markoviens sont utilisés de manière fondamentale.
- 12 -Processus markoviens de sauts :
Définition, taux de transition, critère de non-explosivité
Classification des états, lois invariantes, comportement limite
Exemples importants : processus de Poisson, Poisson composé, chaîne de
Markov temporisée.
Algorithmes stochastiques :
Metropolis-Hastings
Recuit simulé
Files d'attente :
Files d'attente isolées : files M/M/1, M/M/k, M/G/1
Réseaux de files d'attente : réseaux de Jackson
M2 : Prévisions dans les Séries Chronologiques (30h)
Prévoir est devenu indispensable dans des domaines aussi divers que l'industrie, la
gestion, le marketing et l'économie. Cet enseignement est une initiation aux principales
méthodes probabilistes de prévision.
Exemples de séries temporelles univariées à temps discret.
Indices descriptifs d'ordre deux.
Analyse et élimination des tendances et des saisonnalités :
Lissages par moyenne mobile
Notions élémentaires de filtrage
Filtres ARMA
Généralités sur les processus :
Processus stationnaires du second ordre
Autocorrélation et autocorrélation partielle
Estimation de ces caractéristiques
Approches paramétriques de prévision :
Modèles ARMA : identification, prévision (intervalle de prévision et
convergence de l'erreur de prévision)
Modèles ARIMA et SARIMA : identification et prévision.
Approches non paramétriques de prévision :
Lissages exponentiels
Méthodes de noyaux : approche intuitive et justification théorique
Applications:
Travaux pratiques permettant d’implanter et de tester les méthodes sur des données
réelles ou simulées
M3 : Méthodes Numériques pour l'Ingénieur (30h)
Traditionnellement, c'est dans l'univers des phénomènes physiques que l'on puise les
nombreux problèmes industriels qui peuvent être modélisés par des équations
différentielles ou aux dérivées partielles ou encore des équations intégrales. Aujourd'hui,
d'autres champs de la pensée nous fournissent des exemples d'applications et d'illustration
de ces équations. Tout récemment, l'usage de l'algèbre linéaire appliquée se trouve au
centre d'un nombre grandissant d'applications et particulièrement des applications liées
au web. La maîtrise des algorithmes des moteurs de recherche, des algorithmes de
recommandation, des techniques de restitutions de l'information... fait partie de l'arsenal
nécessaire à une compréhension systémique de notre univers économique, industriel et
technique.
La résolution numérique de ces équations au moyen d'un ordinateur nécessite une
démarche et des connaissances particulières en mathématiques. La recherche de solutions
à ces équations conduit souvent à résoudre des systèmes linéaires ou non linéaires. Le
- 13 -coût de la résolution de ces systèmes à l'aide des méthodes directes est prohibitif en
terme de temps et de stockage ; d'où l'usage des méthodes itératives.
Énormément de progrès ont été faits dans la compréhension du comportement de ces
méthodes. Ce cours vise à sensibiliser les étudiants sur les modes de raisonnement dans la
confection des algorithmes et à insister sur les questions de convergence, d'accélération
et de stabilité de ces méthodes relevant de l'aspect numérique pour acquérir une
compétence dans le domaine des algorithmes de résolution numérique des systèmes
linéaires et non linéaires.
Les TD et TP seront l'occasion de contextualiser les méthodes vues dans le cours et
d'analyser des problèmes pratiques, les formaliser, définir une stratégie pour leur
résolution, et mettre en oeuvre une méthode numérique adéquate en structurant un
algorithme de calcul. Nous insistons beaucoup sur la mise en oeuvre de ces méthodes et
sur la visualisation des résultats.
M4 : Recherche Opérationnelle (30h)
L'aide à la décision s'appuie sur des modèles mathématiques de l'activité de l'entreprise.
Ils représentent le plus souvent des phénomènes d'organisation impliquant un très grand
nombre de facteurs sur lesquels l'intuition humaine réagit difficilement. Ce caractère
combinatoire des problèmes impose, pour atteindre des décisions optimales, l'usage
d'outils mathématiques capables d'aider l'ingénieur à traiter la multiplicité des
combinaisons et capables de lui fournir des schémas de réflexion. L'objectif de l’UE est de
compléter la formation des étudiants de master 1ère année en introduisant les techniques
capables de modéliser les phénomènes combinatoires.
Optimisation linéaire en nombres entiers :
Modélisation et interprétation économique de l'optimisation linéaire
Traitement numérique par logiciels : AMPL, Scilab,...
Modélisation par nombres entiers et valiables bivalentes
Techniques de branch and bound (séparation et évaluation)
Bases de la théorie des graphes :
Définitions : chemins, circuits, stabilité, composantes fortement connexes,
graphe réduit
Exemples de graphes : fortement connexes, complets, sans circuit,
planaires…
Représentations informatiques.
Algorithmes sur les graphes :
Cheminement sur un graphe : marquage, chemins optimaux
Problème d'ordonnancement classique et extension sur les problèmes avec
utilisation de moyens
Flots sur un graphe
Applications aux réseaux de transports
Optimisation combinatoire :
Méthodes exactes, approchées
Techniques de relaxation lagrangienne
Problèmes classiques et introduction à la complexité : affectation simple et
généralisée, arbres optimaux, voyageur de commerce, postier chinois
S3-UE3 : Outils informatiques (6 ECTS) – 45h de cours / 45h TD-TP
- Connaissances
Systèmes de gestion de bases de données
Java-Web et introduction au data warehouse
Unix-Web
- 14 -- Compétences et Savoir-faire
Utiliser, créer et gérer une base de données relationnelle
Manipuler le langage SQL et intégrer les bases de données dans une application web
Utiliser la technologie Java en lien avec les bases de données internet ou intranet
Connaître les fondamentaux d’Unix et du Web
- Programme détaillé
I1 : Systèmes de Gestion de Bases de Données (36h)
Ce cours présente de manière détaillée le modèle relationnel d'organisation des bases de
données, donnant à la fois le formalisme théorique de ce modèle ainsi que les principaux
outils de conception d'une base de données. L'objectif est de savoir bien manipuler le
langage SQL et aussi de savoir intégrer les BD dans une application web.
Formalisme théorique :
Création/description du schéma conceptuel d'une base de données : UML –
Relation/Entités, approche orientée objet, Merise
Modèle relationnel : théorie, opérateurs algébriques, tables, liens
Langage de requêtes, algorithme pour la construction de requêtes optimales
Aspects appliqués :
Le langage SQL et son extension PL/SQL
Architecture du serveur de bases de données relationnelles mySQL
Gestion d'une instance de base de données
Programmation PHP
I2 : Java-Web et introduction au data warehouse (36h)
Le but de cette UE est de présenter la programmation d'applications reposant sur des
bases de données dans un contexte internet ou intranet d'entreprise. La technologie Java
est choisie comme support support de développement.
Introduction a Java :
La machine virtuelle Java et le compilateur
Syntaxe de base du langage
Concepts objets et mise en oeuvre
Collections
Exceptions
API complémentaires
Servlets et JSP
Les applications web
Présentation de Tomcat
Développement de servlets et JSP
Structurer une application web
Déployer une application web
Connexion Java SGBDR
Connexion à une base de données
Sélection d'enregistrements
Insertions et mises à jour
Intégration dans Tomcat
Frameworks de persistance
Environnement : Java SDK 1.4.2, Eclipse, Tomcat.
Pré-requis : connaissance d'un langage de programmation, connaissance de HTML
Évaluation : sous forme de l'implémentation d'un projet commun avec le cours base de
données.
- 15 -Introduction au datawarehouse
I3 : Unix-Web (18h)
Notions de sécurité sous UNIX :
Mot de passe et droit d'accès
Connexions à distance
Arborescence des fichiers
Les "shells" UNIX :
Principales commandes
Redirection des entrées et sorties
Exemples de "scripts shell"
Personnalisation d'un environnement de travail aux niveaux UNIX et X
WINDOW
Notions sur les langages structurés :
SGML, HTML, XML
Utilisation pour le balisage d'informations sur le WEB
Conception et traitement de formulaires en HTML
S3-UE4 : Langages et Culture d’Entreprise (8 ECTS) – 60h de cours / 60h TD-TP
- Connaissances
Anglais
Marketing, géomarketing
Initiation à la gestion, à la comptabilité et au management de projet
Connaissance des métiers et conférences de connaissance de l’entreprise
- Compétences et Savoir-faire
Avoir un niveau B2 en Anglais
Comprendre l’objectif du marketing et faire le lien avec les cours liés à la
statistique
Connaître les fondamentaux en gestion et en comptabilité
Adopter une démarche standardisée pour appréhender une gestion de projet
Mettre en perspective les cours théoriques et les besoins de l’entreprise
Avoir une vue claire et synthétique des métiers accessibles à l’issue de la formation
Se projeter dans le futur quant à l’évolution de carrière
- Pré-Requis
Anglais (S2-UE1)
- Programme détaillé
LC1 : Anglais (40h)
Anglais intensif (15h) :
Placé en début d'année universitaire, il offrira une courte immersion en vue de révisions en
anglais général avec présentation du Centre de Ressources en Langues (CRL). Il permettra
ainsi aux étudiants de connaître puis de se familiariser avec les outils et le matériel
disponibles au CRL pour s’entraîner aux certifications en Langues.
- 16 -Cours (25h) :
Consolidation et approfondissement des bases acquises en anglais général
Apport de bases en anglais professionnel donnant une dimension
internationale à leur connaissance du monde de l'entreprise et du travail :
courrier professionnel, téléphone, vocabulaire relatif aux carrières, CV,
lettres de motivation, entretiens, etc.
Synthèse de documents courts (écrite et orale)
Entretien en langue étrangère.
LC2 : Marketing (28h)
L’ensemble de ce module est assuré par différents intervenants extérieurs spécialistes du
marketing par secteur d’activité et disposant d’une grande expérience dans ce domaine.
Marketing bancaire (14h) :
Les fondements du marketing : saut dans le marché, concept marketing,
démarche marketing, définitions
Connaître et comprendre le marché, la concurrence, le consommateur
La place du marketing bancaire
Études de marchés : segmentation et typologie de clients; 'information
marketing
Marketing stratégique : choisir et décider, concept et modèles stratégiques,
stratégies et outils d'aide à la décision, planification marketing, organisation
de la fonction marketing
Marketing opérationnel : agir et action commerciale, produits, services et
offre bancaire, prix, facturation, taux, communication externe, distribution,
communication interne
Marketing management : le monde change, management du marketing
Marketing client et vente à distance (VAD) (8h) :
Objectifs du marketing client
Les éléments constitutifs des bases de données clients
Segmentation clients
Géomarketing (6h)
Les principes fondateurs
Exemples d’utilisation du géomarketing
Les principes de fonctionnement d’un SIG (Mapinfo)
LC3 : Initiation à la gestion, à la comptabilité et au management de projet (26h)
L’ensemble de ce module est assuré par différents intervenants extérieurs disposant
d’une grande expérience dans chacun des sujets abordés.
Initiation à la gestion (14h) : « Approche de l’Entreprise »
Vision extérieure : l’Entreprise et son environnement
Vision intérieure : Organisation et fonctions
Compréhension des processus d'organisation et de gestion en entreprise
Systèmes d'informations de l'entreprise
Situation de l'entreprise dans les domaines économique, juridique
Éléments d'organisation de l'entreprise : principales structures,
fonctionnement (approche
systémique)…
Initiation à la comptabilité financière (6h) :
Principes fondamentaux et élaboration des principaux documents
comptables (livre comptable, bilan, compte de résultat)
Enregistrement d’opérations (opérations courantes et de fin d’exercice)
L’analyse des documents financiers : performance et trésorerie
- 17 -Initiation au management de projet (6h) :
Définitions et règles de la gestion de projet
Planifier, contrôler et suivre un projet
Étude de cas
Mettre en place le contrôle de gestion dans un projet
LC4 : Connaissance des métiers et conférences de connaissance de l'entreprise
(26h)
Tout au long de ce semestre, des cadres viennent présenter leur entreprise et leur travail.
Ces conférences sont l'occasion d'échanges entre les étudiants et les professionnels. Des
liens privilégiés sont entretenus avec les entreprises suivantes : service/décisionnel
(Altao, Soft Solutions, Marketespace, Keyrus, Velvet Consulting, Avisia, Lincoln), industrie
(ArcelorMittal, Cargill), crédit/recouvrement (CACF, Banque Accord, Cofidis, Contentia),
vente à distance (La Redoute, Damart), banques (Crédit Agricole Nord de France),
immobilier (Nord de France Immobilier),webmining (Oxygem), etc.
- 18 -Vous pouvez aussi lire
