Objectifs par rapport aux acquis d'apprentissage du programme

• Acquérir, maitriser et utiliser des savoirs dans les domaines de la biologie et dans d'autres domaines de connaissances.
• Comprendre et employer les outils mathématiques et statistiques de base pour décrire et comprendre les concepts biologiques.
• Synthétiser et résumer sous différentes formes (textuelle, numérique, verbale et graphique) de manière critique l'information issue de la littérature scientifique.
• Résoudre des problèmes à composante biologique.
• Réaliser des observations avec précision dans le cadre d'activités sur le terrain et en laboratoire.
• Appliquer une démarche scientifique et exercer un esprit critique.
• Connaître et appliquer les principes de base du raisonnement (obtention des données, analyse, synthèse, comparaison, règle de trois, syllogisme, analogie, ....).
• Maîtriser les méthodes statistiques et/ou probabilistes.
• Travailler avec efficience/exactitude/précision.
• Savoir poser une hypothèse et un raisonnement hypothético-déductif.
• Développer un esprit critique, savoir tester et contrôler ses conclusions, en connaître le domaine de validité, envisager des hypothèses alternatives.
• Pouvoir gérer le doute et l'incertitude.
• Communiquer efficacement et de manière adaptée en français et en anglais.
• Communiquer oralement et par écrit en français les résultats d'expériences et d'observations en construisant et en utilisant des graphiques et des tableaux.
• Développer son autonomie, se fixer des objectifs de formation et effectuer les choix pour les atteindre.
• Organiser son temps et son travail, tant individuel que collectif.
• Savoir fixer des priorités.
• Savoir gérer son stress et ce quel que soit les évènements (examens, présentations,..).

Acquis d'apprentissage UE

 Etre capable d’analyser correctement des données biologiques multivariées en pratique. En particuliers, les méthodes d’ordination (ACP et AFC) et de classifications (amenant à la réalisation d’un dendrogramme) doivent être parfaitement maîtrisées à la fin du cours. Les étudiants apprennent à résoudre des cas concrets en posant correctement les questions d’un point de vue statistique. La modélisation des données sera également abordée via les modèles linéaires simples, polynomiaux et multiples. Ensuite, ils apprennent à décrire correctement les données, et à tester les conditions d’application des techniques envisagées. Ils apprennent également à tirer des conclusions appropriées par rapport à l’analyse effectuée, et à les formuler de manière rigoureuse. Nous insistons également sur la présentation des résultats (rédaction de rapports) et sur l’utilisation de logiciels professionnels dans le domaine de la science des données : R, RStudio, R Markdown, git.

Contenu de l'UE

Statistiques multivariées: ACP; AFC; classification hiérarchisée; régression simple, polynomiale et multiple.

Compétences préalables

Bases en science des données, en particulier, la gestion de projets d'analyse des données, l'importation et le remaniement des données, la visualisation à l'aide de graphiques et la rédaction de rapports reproductibles. Statistiques uni- et bivariées de base, y compris ANOVA, variance, covariance et correlation.

Types d'évaluations Q1 pour l'UE

• Examen écrit

Commentaire sur les évaluations Q1 de l'UE

Examen écrit consistant à calculer à la main une matrice de distances et/ou un dendrogramme, et à ensuite analyser des exercices de statistiques multivariées et de modélisation de données et de tirer les conclusions de ces analyses.

Types d'évaluation Q3 pour l'UE

• Examen écrit

Commentaire sur les évaluations Q3 de l'UE

Similaire à Q1.

Types d'évaluation rattrapage BAB1 (Q1) pour l'UE

• Néant

Commentaire sur les évaluations rattr. Q1 de l'UE

Pas applicable.