Informatique

Formation SQL SQL (Sructured Query Language) est un langage informatique normalisé servant à exploiter des bases de données relationnelles.  Description Cette formation est dédiée à l’utilisation pratique de SQL  pour l’analyse de données, le développement d’outils d’aide à la décision dans les secteurs de la finance, de la banque et de l’assurance. La première partie couvre les fondamentaux des bases de données relationnelles, des requêtes SQL et de l’extraction de données. La deuxième partie est consacrée à la manipulation, l’agrégation et l’analyse de données grâce aux fonctionnalités avancées de SQL. Pour chaque thématique, des exemples pratiques ainsi que le code utilisé seront fournis aux participants. Plan détaillé de la leçon 1. SQL pour l’analyse de données (3h) Introduction aux bases de données relationnelles Structure des tables, clés et relations Syntaxe SQL et logique des requêtes Filtrage, tri et agrégation des données Jointures et sous-requêtes Nettoyage et transformation des données Création de reportings et indicateurs métier 2. Applications avancées en SQL (3h) Fonctions analytiques et Window Functions Common Table Expressions (CTE) Création de vues et requêtes réutilisables Optimisation et performance des requêtes Cas pratiques en finance et assurance Intervenant Boris KENGNE Analyste Quantitatif, ENSAI Rennes Avec plus de 2 ans d’expérience chez Société Générale et Crédit Agricole Session A La Demande Durée 6h Tarif 180€ Format En ligne Niveau Débutant Prérequis Aucun Reserver ma place Compétences acquises À l’issue de ce cours, les étudiants seront capables de : D’écrire des requêtes SQL pour extraire, nettoyer et analyser des données structurées. D’améliorer la productivité des analyses financières, actuarielles et métier. A propos de l’intervenant KENGNE Boris KENGNE Boris est diplômé de l’ENSAI Rennes et occupe actuellement le poste d’Analyste Quantitatif chez Mobilize. Il a acquis une solide expérience professionnelle au sein de Société Générale et de Crédit Agricole, où il a travaillé sur des problématiques quantitatives, analytiques et data dans des environnements financiers exigeants. Son parcours combine une formation statistique de haut niveau, des compétences techniques avancées en programmation et une expérience concrète des métiers de la banque et de l’analyse quantitative. formulaire inscription à la formation

C++ pour la finance Le cours a pour objectif la maîtrise des principes de base de la programmation objet avec mise en pratique en C++. Description Le cours a pour objectif la maîtrise des principes de base de la programmation objet avec mise en pratique en C++. Plan détaillé de la leçon 1. Éléments du langage : Variables, expressions, instructions (dont conditionnelles et boucles), fonctions, programme, compilation, concept de portée/durée de vie des variables 2. Tableaux, pointeurs, références, passages d’arguments (par valeur et référence) 3. Concept d’objet en C++. Classe C++. Construction et destruction, portée/durée de vie des objets. Fonctions membres. Modularité, compilation séparée, portée des variables; relation entre les classes (e.g. généralisation/spécialisation, agrégation/composition) 4. Spécialisation. Héritage et polymorphisme.  5. Notions de classes abstraites et interfaces. 6. Surcharge d’opérateurs 7. Éléments de la STL 8. Eléments de programmation générique (templates). Intervenant ALESTERD KAMELA IT Quant (C#, C++, Python) Avec plus de 2 ans d’expérience chez Hilbert Investment Solutions et Natixis Corporate and Investment Banking Session A la démande Durée 10h Tarif 300€ Format En ligne Niveau Intermédiaire Prérequis Aucun Reserver ma place Compétences acquises A l’issue de ce cours, l’étudiant devra être capable de concevoir et écrire un programme C++ dans un environnement de développement intégré :    – Maîtrise des éléments syntaxiques essentiels du langage C++ : surcharge, références, allocation dynamique, éléments static et const    – Maîtrise des éléments orientés objets du langage: classes, construction/destruction, héritage, polymorphisme, surcharge d’opérateurs, templates A propos de l’intervenant Alesterd KAMELA Alesterd KAMELA est diplômé de l’ESLCA Business School Paris et occupe actuellement le poste d’IT QUANT chez Hilbert Investment Solutions. Il possède une expérience en finance quantitative, gestion des risques, marchés financiers et traitement de données, acquise à travers des missions en support quantitatif, risk management et opérations de marché dans des environnements exigeants. formulaire inscription à la formation

Python pour la Data Science Le langage Python est récemment devenu, dans le monde académique comme sur le marché du travail, un outil indispensable pour le traitement de données Description Le langage Python est récemment devenu, dans le monde académique comme sur le marché du travail, un outil indispensable pour le traitement de données. La richesse de ce langage permet de l’utiliser dans toutes les phases du traitement de la donnée, de sa récupération et structuration à partir de sources diverses à sa valorisation. Ce cours introduit différents outils qui permettent de mettre en relation des données et des théories grâce à Python. Plan détaillé de la leçon Introduction : (1h) Retour sur les notions fondamentales de Python Présentation de l’écosystème Python pour la data-science Initiation aux bonnes pratiques Présentation des principes de la data-science Partie 1: Manipuler des données (3h) Principes de base avec numpy Manipuler des bases de données avec pandas et SQL Introduction aux données spatiales (geopandas) Récupérer des données par webscraping et API Partie 2: Visualiser (2h) Présentation des packages de base pour les graphiques: matplotlib, seaborn Visualisations HTML avec plotly Cartographie: cartes fixes (matplotlib + geopandas) et cartes dynamiques (folium) Partie 3: Modéliser (3h) Preprocessing et démarche du machine learning Evaluation d’un modèle et validation croisée Classification Régression Sélection de variables Clustering Pipelines scikit Partie 4: Natural Langage Processing (1h) Preprocessing Approche bag of words Latent Dirichlet Allocation (LDA) Word Embedding (Word2Vec) Supplément: Git & Github Intervenant ALESTERD KAMELA IT Quant (C#, C++, Python) Avec plus de 2 ans d’expérience chez Hilbert Investment Solutions et Natixis Corporate and Investment Banking Session A la demande Durée 10h Tarif 300€ Format En ligne Niveau Intermediaire Prérequis Machine Learning Reserver ma place Compétences acquises À l’issue de ce cours, les étudiants seront capables de : Manipulation et analyse de données avec Python, NumPy, Pandas, SQL et API. Visualisation et valorisation des données avec Matplotlib, Seaborn, Plotly, Geopandas et Folium. Modélisation en data science avec preprocessing, machine learning, validation croisée, classification, régression, clustering et NLP. A propos de l’intervenant Alesterd KAMELA Alesterd KAMELA est diplômé de l’ESLCA Business School Paris et occupe actuellement le poste d’IT QUANT chez Hilbert Investment Solutions. Il possède une expérience en finance quantitative, gestion des risques, marchés financiers et traitement de données, acquise à travers des missions en support quantitatif, risk management et opérations de marché dans des environnements exigeants. formulaire inscription à la formation