A l'issue du cours, l'étudiant doit être capable de résoudre des problèmes simples d'analyse de données à l'aide d'algorithmes adaptés. Plus particulièrement, avec la créativité et la rigueur nécessaires, il sera capable de
Il doit aussi pouvoir faire preuve d'une compréhension des différents concepts abordés (cf. contenu), c'est-à-dire exprimer avec ses propres mots la théorie et les outils vus au cours et expliquer dans quel contexte ceux-ci sont utiles.
Le but du cours est d'introduire l'étudiant à l'analyse de données, afin qu'il puisse résoudre des problèmes simples à l'aide d'algorithmes adaptés. Les concepts suivants seront progressivement introduits : prétaitement des données, analyse univariée et bivariée, types de données, détection de patterns, clustering, classification et communication des résultats. Une attention particulière sera donnée à l'utilisation adéquate de chaque concept et à leur illustration à l'aide d'exemples. L'étudiant aura l'ocassion de développer sa créativité et sa rigueur au travers de séances d'exercices. Le cours et les séances d'exercices seront également l'occasion pour l'étudiant de découvrir des outils d'analyse de données.
Les étudiants auront l'occasion de mettre en pratique les connaissances vues au cours. Chaque bloc de 3 heures de cours sera divisé en +/- 1 heure de cours suivie de +/- 2 heures de mise en pratique. Plusieurs problème d'analyse de données seront réalisés individuellement afin de fixer les connaissances grâce à des sujets intégrateurs des différentes notions du cours.
| Training | Study programme | Block | Credits | Mandatory |
|---|---|---|---|---|
| Master 120 en sciences biomédicales, à finalité spécialisée en biomedical data management | Standard | 0 | 4 | |
| Master 120 en sciences biomédicales, à finalité spécialisée en biomedical data management | Standard | 1 | 4 |