Probabilités Multidimentionnelles et théorèmes limites

Coefficient 8

Cours dispensé à Dauphine par M. Julien Poisat

 PROGRAMME 

• CHAPITRE 1: Cas des espaces produits (annexe sur somme et intégrale double, théorème d’interversion)
• CHAPITRE 2: Loi produit – lois marginales
• CHAPITRE 3: Changement de variable
• CHAPITRE 4: Densité conditionnelle
• CHAPITRE 5: Théorèmes limites
• CHAPITRE 6: Vecteurs gaussiens

Statistiques

Coefficient 4

Cours dispensé à Dauphine par Mme Marie Bressec

 PROGRAMME 

• CHAPITRE 1: Sondage, inférence, échantillonnage
• CHAPITRE 2: Théorie de l’estimation paramétrique
• CHAPITRE 3: Théorie des tests d’hypothèses paramétriques I
• CHAPITRE 4: Théorie des tests d’hypothèses paramétriques II
• CHAPITRE 5: Tests non paramétriques d’adéquation

Mathématiques/ Statistiques 3

Coefficient 3/3

Cours dispensé à Assas par M. Youcef Askoura/ Mme Naila Hayek

 PROGRAMME 

 Statistiques

• CHAPITRE 1: Notion de probabilité
• CHAPITRE 2: Variable aléatoire
• CHAPITRE 3: Lois usuelles
• CHAPITRE 4: Lois empiriques
• CHAPITRE 5: Lois multidimensionnelles

 Mathématiques

• CHAPITRE 1: Espaces vectoriels
• CHAPITRE 2: Bases
• CHAPITRE 3: Applications linéaires
• CHAPITRE 4: Matrices
• CHAPITRE 5: Déterminants

Mathématiques

Coefficient 4

Cours dispensé à Dauphine par M. Denis Pasquingnon

 PROGRAMME 

• CHAPITRE 1: Ensemble Rn
• CHAPITRE 2: Matrices
• CHAPITRE 3: Systèmes d’équations linéaires
• CHAPITRE 4: Matrices carrées
• CHAPITRE 5: Déterminants
• CHAPITRE 6: Bases et dimension
• CHAPITRE 7: Rang d’une matrice
• CHAPITRE 8: Diagonalisation
• CHAPITRE 9: Applications

Mathématiques/ Statistiques 5

Coefficient 3/3

Cours dispensé à Assas par M. Lisa Morhaim/ Mme Naila Hayek

 PROGRAMME 

 Statistiques

• CHAPITRE 1: Estimation ponctuelle
• CHAPITRE 2: Estimation par intervalles de confiance
• CHAPITRE 3: Tests d’ypotèses simples et multiples
• CHAPITRE 4: Tests de comparaison
• CHAPITRE 5: Tests d’ajustement
• CHAPITRE 6: Tests d’indépendance

 Mathématiques

• CHAPITRE 1: Rappels
• CHAPITRE 2: Fonctions réelles de plusieurs variables réelles
• CHAPITRE 3: Systèmes Dynamiques

Mathématiques/ Statistiques 4

Coefficient 3/3

Cours dispensé à Assas par Mme Céline Chevalier / Mme Naila Hayek

 PROGRAMME 

 Statistiques

• CHAPITRE 1: Lois multidimensionnelles
• CHAPITRE 2: Convergences
• CHAPITRE 3: Modèle statistique

 Mathématiques

• CHAPITRE 1: Diagonalisation de matrices
• CHAPITRE 2: Formes quadratiques
• CHAPITRE 3: Séries numériques

Macroéconomie Monétaire

Coefficient 7

Cours dispensé à Assas par M. Christian Ottavj

 PROGRAMME 

• CHAPITRE 1: Monnaie et taux d’activité
• CHAPITRE 2: Inflation, chômage et taux d’activité

Microéconomie

Coefficient 7

Cours dispensé à Assas par Mme Claude Pondaven

 PROGRAMME 

• CHAPITRE 1: Introduction
• CHAPITRE 2: Firmes, organisation et structure de marchés
• CHAPITRE 3: Stratégies d’entreprise

Comptabilité approfondie

Coefficient 4

Cours dispensé à Dauphine par Mme Céline-Marie Michailesco

 PROGRAMME 

• CHAPITRE 1: L’élaboration des documents constitutifs des états financiers sociaux
• CHAPITRE 2: L’élaboration des documents consolidés (bilan et compte de résultat)
• CHAPITRE 3: La reconnaissance et l’évaluation des éléments de l’actif
• CHAPITRE 4: Les modes de financement
• CHAPITRE 5: Les regroupements
• CHAPITRE 6: Les fondamentaux de l’analyse financière

Mathématiques/ Statistiques 2

Coefficient 3/3

Cours dispensé à Assas par M. Lorenzo Bastianello/ Mme Lisa Morhaim

 PROGRAMME 

 Statistiques 

• CHAPITRE 1: Modélisation d'une expérience aléatoire
• CHAPITRE 2: Probabilité conditionnelle
• CHAPITRE 3: Variable aléatoire
• CHAPITRE 4: Variable aléatoire discrète et continue
• CHAPITRE 5: Lois usuelles

 Mathématiques 

• CHAPITRE 1: Fonctions et optimisation
• CHAPITRE 2: Suites
• CHAPITRE 3: Intégration
• CHAPITRE 4: Variable aléatoire discrète et continue
• CHAPITRE 5: Lois usuelles

Mathématiques

Coefficient 4

Cours dispensé à Dauphine par Mme Katia Meziani

 PROGRAMME 

• CHAPITRE 1: Fonctions d’une variable
• CHAPITRE 2: Géométrie et topologie du plan et de l’espace
• CHAPITRE 3: Continuité et dérivabilités des fonctions à deux variables
• CHAPITRE 4: Optimisation sans contrainte
• CHAPITRE 5: Théorème des extrema liés

Statistiques

Coefficient 5

Cours dispensé à Dauphine par Mme Katia Meziani

 PROGRAMME 

• CHAPITRE 1: Lois de probabilités
• CHAPITRE 2: Échantillonnage
• CHAPITRE 3: L’estimation ponctuelle

Macroéconomie

Coefficient 4

Cours dispensé à Dauphine par Bernard Masson

 PROGRAMME 

• CHAPITRE 1: Un cadre de référence pour l’analyse macroéconomique
• CHAPITRE 2: L’origine des fluctuations

Statistiques

Coefficient 4

Cours dispensé à Dauphine par Mme Katia Meziani

 PROGRAMME 

 Partie Probabilités 

• CHAPITRE 1: Introduction
• CHAPITRE 2: Variables aléatoires discrètes
• CHAPITRE 3: Variables aléatoires continues

 Partie Statistiques descriptives 

• CHAPITRE 1: Introduction générale
• CHAPITRE 2: Distributions statistiques univariées
• CHAPITRE 3: Distribution statistiques biivariées

Topologie et Analyse fonctionnelle

Coefficient 6

Cours dispensé à Dauphine par Mme Daniela Tonon

 PROGRAMME 

• CHAPITRE 1: Les espaces Lp
• CHAPITRE 2: Transformée de Fourier
• CHAPITRE 3: Produit scalaire
• CHAPITRE 4: Projection
• CHAPITRE 5: Application : transformée de Fouriier dans L2
• CHAPITRE 6: Séries de Fourier

Équations Différentielles

Coefficient 4

Cours dispensé à Dauphine par Mme Daniela Tonon

 PROGRAMME 

• CHAPITRE 1: Existence and uniqueness of solutions
• CHAPITRE 2: Autonomous equations
• CHAPITRE 3: Explicit solutions in dimension 1
• CHAPITRE 4: Comparaison principles
• CHAPITRE 5: Systems of linear differential equations
• CHAPITRE 6: Nth order equations
• CHAPITRE 7: Stability and linearization
• CHAPITRE 8: Geometric approach to differential equations
• CHAPITRE 9: Continuity of the flow
• CHAPITRE 10: Lyapunov functions

Méthodes numériques

Coefficient 5

Cours dispensé à Dauphine par M. David Gontier

 PROGRAMME 

• CHAPITRE 1: Optimisation en une dimension : Méthodes de convergence
• CHAPITRE 2: Méthode de descente de gradient
• CHAPITRE 3: Méthodes de Newton et quasi-Newton pour l’optimisation
• CHAPITRE 4: Optimisation stochastique

Tests statistiques

Coefficient 5

Cours dispensé à Dauphine par M. Marc Hoffmann

 PROGRAMME 

• CHAPITRE 1: Outils probabilistes
• CHAPITRE 2: Modélisation et expérience statistique
• CHAPITRE 3: Méthodes d’estimation pour le modèle de densité
• CHAPITRE 4: Information statistiques et théorie asymptotiques
• CHAPITRE 5: Tests et régions de confiance, approche fréquentiste et bayes

Calcul différentiel et Optimisation

Coefficient 6

Cours dispensé à Dauphine par M. Emeric Bouin

 PROGRAMME 

• CHAPITRE 1: Différentiabilité
• CHAPITRE 2: Courbes paramétrées
• CHAPITRE 3: Connexité
• CHAPITRE 4: Espaces métriques
• CHAPITRE 5: Point fixe
• CHAPITRE 6: Homéomorphismes et difféomorpismes
• CHAPITRE 7: Inversion locale et Fonctions implicites
• CHAPITRE 8: Ordre supérieur
• CHAPITRE 9: Optimisation

Intégrale de Lebesgue et Probabilités

Coefficient 8

Cours dispensé à Dauphine par M. Emeric Bouin

 PROGRAMME 

• CHAPITRE 1: Espaces de probabilité et Intégration
• CHAPITRE 2: Espaces produits, indépendance
• CHAPITRE 3: Calculs de lois, fonctions caractéristiques et variables aléatoires gaussienne
• CHAPITRE 4: Lois des grands nombres et théorème central limite
• CHAPITRE 5: Espérance conditionnelle

Calcul différentiel

Coefficient 4

Cours dispensé à Dauphine par Mme Daniela Tonon

 PROGRAMME 

• CHAPITRE 1: Espace métrique
• CHAPITRE 2: Topologie
• CHAPITRE 3: Compacité
• CHAPITRE 4: Complétude
• CHAPITRE 5: Applications linéaires continues
• CHAPITRE 6: Calculs différentiel élémentaire en dimension finie

Méthodes numériques

Coefficient 4

Cours dispensé à Dauphine par Mme. Mula Hernandez Olga

 PROGRAMME 

• CHAPITRE 1: Résolution de systèmes linéaires
• CHAPITRE 2: Méthode de la puissance et puissance inverse
• CHAPITRE 3: Résolution équation scalaire non linéaire
• CHAPITRE 4: Interpolation polynomiale et moindres carrés
• CHAPITRE 5: Formules de quadrature interpolatoire

Probabilités discrètes et réelles

Coefficient 5

Cours dispensé à Dauphine par Miquel Oliu-Barton

 PROGRAMME 

• CHAPITRE 1: Théorie de la mesure
• CHAPITRE 2: Espaces de probabilité
• CHAPITRE 3: Variables aléatoires
• CHAPITRE 4: Marches aléatoires et chaînes de Markov
• CHAPITRE 5: Intégration
• CHAPITRE 6: Lois continues et lois discrètes
• CHAPITRE 7: Espérance
• CHAPITRE 8: Lois Classiques
• CHAPITRE 9: Fonction caractéristique
• CHAPITRE 10: Théorèmes Limites

Algèbre Linéaire 3

Coefficient 3

Cours dispensé à Dauphine par M. Guillaume Legendre

 PROGRAMME 

• CHAPITRE 1: Espaces vectoriels
• CHAPITRE 2: Espaces euclidiens
• CHAPITRE 3: Formes bilinéaires et quadratiques
• CHAPITRE 4: Théorème de diagonalisation
• CHAPITRE 5: Applications

Analyse 3

Coefficient 5

Cours dispensé à Dauphine par M. Olivier Glass

 PROGRAMME 

• CHAPITRE 1: Rappels sur les équivalents et les DL
• CHAPITRE 2: Suite de Cauchy
• CHAPITRE 3: Suites numériques
• CHAPITRE 4: Intégrales généralisées
• CHAPITRE 5: Suites et séries de fonctions
• CHAPITRE 6: Séries entières

Modélisation et Application des mathématiques

Coefficient 4

Professeur en charge du cours à Dauphine
Mme. Gabriel Turinici

 PROGRAMME 

• CHAPITRE 1: Dénombrement
• CHAPITRE 2: Espace de probabilité
• CHAPITRE 3: Variables aléatoires
• CHAPITRE 4: Vecteurs aléatoires
• CHAPITRE 5: Introduction aux chaînes de Markov

algèbre linéaire 2

Coefficient 6

Professeur en charge du cours à Dauphine
M. Alexandre Afgoustidis

 PROGRAMME 

• CHAPITRE 1: Espaces vectoriels
• CHAPITRE 2: Bases et Dimension
• CHAPITRE 3: Sommes et supplémentaires
• CHAPITRE 4: Applications linéaires
• CHAPITRE 5: Représentation matricielle
• CHAPITRE 6: Déterminant
• CHAPITRE 7: Valeurs propres et Vecteurs propres

ANALYSE 2

Coefficient 6

Professeur en charge du cours à Dauphine
M. José Trashorras

 PROGRAMME 

• CHAPITRE 1: Dérivées successives
• CHAPITRE 2: Développements limités
• CHAPITRE 3: Fonctions convexes
• CHAPITRE 4: Fonctions hyperboliques et trigonométriques
• CHAPITRE 5: Intégration

Nicolas CASTAGNET

Professeur d’Algèbre Linéaire 2

Après avoir obtenu son baccalauréat scientifique mention très bien, Nicolas entame une classe préparatoire au lycée Michel de Montaigne à Bordeaux. Admis à Centrale Paris, il préféra finalement poursuivre ses études en licence de mathématiques pures, puis en master qu’il obtient avec mention bien. Il se spécialise en Algèbre, notamment en validant son mémoire sur les groupes de Galois. Durant son Master 2, il obtient l’agrégation externe de mathématiques grâce à un double cursus M2 – prépa agrégation.

A l’issue de cette formation, il enseigne dans plusieurs lycées parisiens comme Lamartine, Rablais et Claude Bernard, dans lesquels il donne des khôlles de mathématiques en MPSI et ECS. Il effectuera également un remplacement d’une année en tant que professeur de CPGE ECS au lycée Claude Bernard.

Après toutes ces années d’expérience dans l’enseignement, et sa passion pour les mathématiques, Nicolas rejoint Mathémata. Motivé par la vision et les ambitions des fondateurs, Nicolas connaît la position et l’état d’esprit dans lesquels sont les étudiants. Pour en avoir accompagnés plusieurs entre 2015 et 2017, il sait que Mathémata réinventera l’accompagnement et l’enseignement, dans des filières exigeantes, compétitives et très prisées.

Léa NACCACHE

Professeur d’Analyse 2

Après son bac, Léa intègre la filière Mathématiques Appliquées de l’Université Paris-Dauphine en 2013. Le côté très impersonnel de la fac et le manque d’accompagnement des professeurs, l’obligent très rapidement à se débrouiller par elle-même. Elle apprend ainsi à devenir autonome et développe sa propre méthode de travail. Elle arrive chaque année parmi le premier tiers de la promotion, en progression continue jusqu’au top 10 en L3. Elle se spécialise en informatique, et poursuit son cursus dans le domaine très prisé du « machine learning » et des data sciences.

En 2017, elle parvient à intégrer le meilleur master dans ce domaine, le MVA à l’Ecole Normale Supérieur Paris-Saclay. Au cours de ces deux dernières années, elle a travaillé en tant que data scientist dans une société américaine spécialisée dans l’immobilier, similaire à la start up ‘MeilleurAgent’ et en tant que chercheur data scientist, dans le laboratoire médicale de Philips spécialisé en radiologie. Elle eu l’occasion de performer ses compétences en machine learning en créant des réseaux capables de diagnostiquer des maladies à partir de scanner et d’images par résonance magnétique.

En parallèle, elle décide de poursuivre ses études en intégrant l’Ecole Normale Supérieure Ulm dans le but de parfaire sa formation en mathématiques et en informatique. Elle aimerait pouvoir travailler dans les domaines du machine learning et de la cryptographie.

En 2018, son goût très prononcé pour les mathématiques et pour l’enseignement, la pousse à intégrer le groupe Mathémata en tant que professeur, afin de transmettre son expérience, ses connaissances et ses méthodes de travail et en faire profiter un maximum d’élèves. Elle sait être à l’écoute des élèves et étant elle-même ancienne étudiante de l’Université Paris-Dauphine, elle connaît exactement les difficultés des étudiants et les attentes de la filière.

Simon AMZALAG

Co Fondateur de Mathemata

Issu de la filière Mathématiques Appliquées de l’Université Paris-Dauphine, Simon est très vite attiré par l’entrepreneuriat. Il intègre alors le Mastère Spécialisé d’Entrepreneuriat à l’EM Lyon en 2011. A sa sortie en 2012, il fonde et co-dirige Rad.co, le e-commerce fashion de streetwear. Il assurera le rôle de Directeur Financier, et lèvera au total 15M€, pour se développer notamment en France, en Angleterre, en Allemagne et aux Etats-Unis.

Il quitte l’aventure en juillet 2017, et développe une activité de conseils financiers spécialisés pour start-up. Structurations financière et opérationnelle, optimisation de business model et sauvetage d’entreprise, sont les trois domaines dans lesquels il opère. En 2018, il décide de se lancer dans l’enseignement, et fonde Mathemata, une école d’accompagnement de la filière Mathématiques Appliquées, afin d’aider les étudiants dans leur apprentissage, leur méthodologie et leur réussite.

Il fait le constat, avec sa co-fondatrice Sandy, d’un besoin certain d’accompagnement, au sein de la filière Mathématiques Appliquées, et tout particulièrement à l’Université Paris-Dauphine, d’où ils sont tous deux issus, et dont le niveau, la rigueur et l’exigence excellent.

Sandy MAMOU

Co Fondatrice de Mathemata

Après son bac, en 2013, Sandy intègre la filière Mathématiques Appliquées de l’Université Paris-Dauphine. D’emblée, le rythme effréné et la complexité des raisonnements lui font perdre ses repères. Toutefois, à partir de la 3ème année, elle a le déclic : elle parvient à établir une méthodologie qui lui permet de finir son master 1 dans le top 3 de sa promotion, avec une moyenne de 14,8/20.

En 2016, elle décide de présenter le Parcours Grande Ecole et intègre l’ESSEC pour adjoindre à ses compétences techniques une dimension “business”. Elle passe une année à Singapour, où elle se spécialise en innovation et data science. Dans ce cadre, elle travaille pour une grande entreprise de luxe: elle y développe toute la stratégie d’analyse des données-clients, notamment à travers la création de modèles statistiques.

A son retour, en parallèle de sa dernière année à l’ESSEC, elle entame une nouvelle aventure: Mathémata. Elle souhaite transmettre aux étudiants d’une part, les techniques et raisonnements indispensables à leur réussite et d’autre part, sa passion des mathématiques. Elle garde notamment en tête que de plus en plus d’étudiants à Dauphine souhaitent passer les Concours parallèles, ce qui nécessite d’obtenir des notes élevées dès la 1ère année. Elle compte bien mettre son expérience à leur service.

Mohamed NDAOUD

Professeur de Modélisation et applications des mathématiques

Après avoir suivi une formation en classes préparatoires aux grandes écoles MP, Mohamed a intégré l’École Polytechnique. Face aux multiples formations proposées par l’école, il s’est rapidement orienté vers les mathématiques appliquées et en particulier les mathématiques financières qu’il a choisies comme spécialité. Aujourd’hui, il est doctorant en 3ème année de thèse en statistiques théoriques où il s’intéresse à des problèmes d’apprentissage en grande dimension.

Tout au long de son parcours, Mohamed a eu plusieurs expériences au sein d’entreprises internationales. Chez Bloomberg (New York) ainsi que chez JP Morgan (Londres), il a développé des modèles mathématiques de prédiction de prix pendant pratiquement un an. Récemment, il a travaillé chez Twitter (San Francisco) en tant que data scientist, où il a pu prédire quelques traits du comportement des utilisateurs de l’application en utilisant des algorithmes d’apprentissage statistique.

Concernant son expérience pédagogique, il a d’abord encadré des étudiants en classes préparatoires et depuis un peu plus de deux ans, il est chargé de TD à l’ENSAE où il dispense des cours de L3 au M2. Il enseigne, principalement, les matières suivantes: statistiques, probabilités et mathématiques financières. Selon ses étudiants, quelques qualités principales de son approche pédagogique résident dans:

• La quête permanente d’interaction avec l’audience.

• Les rappels de notions de cours importantes en début de séance.

• La promotion de l’intuition derrière chaque raisonnement mathématique avant de le formaliser rigoureusement.