Programme d’études 2018-2019English
Science des données I : visualisation et inférence
Unité d’enseignement du programme de Bachelier en sciences mathématiques à la Faculté des Sciences
CodeTypeResponsable Coordonnées
du service
Enseignant(s)
US-B3-SCMATH-035-MUE optionnelleGROSJEAN PhilippeS807 - Ecologie numérique des milieux aquatiques
  • GROSJEAN Philippe

Langue
d’enseignement
Langue
d’évaluation
HT(*) HTPE(*) HTPS(*) HR(*) HD(*) CréditsPondération Période
d’enseignement
  • Français
Français2550000991er quadrimestre

Code(s) d’AAActivité(s) d’apprentissage (AA) HT(*) HTPE(*) HTPS(*) HR(*) HD(*) Période
d’enseignement
Pondération
S-BIOG-006Science des données I : visualisation et inférence2550000Q1100.00%

Unité d'enseignement

Objectifs par rapport aux acquis d'apprentissage du programme

  • Comprendre de manière profonde les mathématiques " élémentaires ".
    • Comprendre les fondements des probabilités et de la statistique.
  • Résoudre des problèmes nouveaux.
    • Utiliser les connaissances issues de différents domaines pour traiter des questions.
  • Utiliser efficacement l'outil informatique.
    • Connaissance d'au moins un langage de programmation.
    • Pouvoir développer des programmes informatiques pour résoudre des problèmes ayant une formulation mathématique.
  • Pourvoir aborder la littérature et dialoguer avec les autres sciences.
    • Avoir une bonne connaissance d'un domaine connexe utilisant les mathématiques.

Acquis d'apprentissage UE

Maitriser les outils informatiques et statistiques nécessaires aux science des données, en particuliers, l'importation, remaniement et transformation des données, la visualisation sous forme de graphiques, et l'inférence. Pouvoir présenter clairement et rigoureusement les résultats de ces analyses dans un rapport scientifique de manière reproductible. Etre capable d'analyser des données biologiques usuelles en pratique.

Contenu de l'UE

Logiciels R, RStudio, git & Markdown. Importation et tranformation de tableaux de données. Visualisation de données uni-, bi- et multivariées à l'aide de graphiques. Statistiques descriptives; Moyenne; Médiane; Ecart type; Variance; Graphique quantile-quantile; Boite de dispersion; Histogramme; Population statistique; Echantillonnage; Inférence; Probabilité; Distribution de probabilité; Théorème central limite; Intervalle de confiance; Test d’hypothèse; Tests paramétriques et non paramétrique; Distribution binomiale, de Poisson, Chi-2, Normale, de Student et F; test de Student; ANOVA 1 et 2 facteurs; Test de Wilkoxon-Mann-Withney; Test de Kruskal-Wallis; Corrélation; Pearson; Spearman.

Compétences préalables

Notions de base d'utilisation d'un ordinateur. Notions de base en mathématique: artithmétique, y compris logarithme et exponentielle, systèmes de coordonnées cartésiennes et géométrie élémentaire dans le plan et dans un espace à 3 dimensions.

Types d'évaluations Q1 pour l'UE

  • Présentation et/ou travaux
  • Examen écrit
  • Exercice(s) coté(s)
  • eTest

Commentaire sur les évaluations Q1 de l'UE

Présentation et/ou travaux, examen écrit, exercices cotés, eTest Note globale rassemblant les évaluations suivantes: - Evaluation de la progression en continu - Participation lors des classes renversées - Réalisations aux travaux pratiques - Rapport d'analyse de données coté - Examen écrit

Types d'évaluation Q3 pour l'UE

  • Présentation et/ou travaux
  • Examen écrit
  • Exercice(s) coté(s)
  • eTest

Commentaire sur les évaluations Q3 de l'UE

Simiilaire à Q1.

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

  • Néant

Commentaire sur les évaluations rattr. Q1 de l'UE

Pas applicable.

Types d'activités

AATypes d'activités
S-BIOG-006
  • Cours magistraux
  • Conférences
  • Exercices dirigés
  • Utilisation de logiciels
  • Démonstrations

Mode d'enseignement

AAMode d'enseignement
S-BIOG-006
  • Face à face
  • Mixte

Supports principaux

AA
S-BIOG-006

Supports principaux non reproductibles

AASupports principaux non reproductibles
S-BIOG-006Sans objet

Supports complémentaires

AA
S-BIOG-006

Supports complémentaires non reproductibles

AASupport complémentaires non reproductibles
S-BIOG-006Sans objet

Autres références conseillées

AAAutres références conseillées
S-BIOG-006Barnier, J., 2018. Introduction à R et au tidyverse (https://juba.github.io/tidyverse/index.html). Ismay, Ch. & Kim A.Y, 2018. Moderndive: An introduction to statistical and data science via R (http://moderndive.com). Wickham, H. & Grolemund, G, 2017. R for data science (http://r4ds.had.co.nz). Cornillon, P.A. Et al, 2008. Statistiques avec R. Presses Universitaires de Rennes. 257pp. Dagnelie, P., 2007. Statistique théorique et appliquée, Volumes I et II (2ème ed.). De Boeck & Larcier, Bruxelles. 511pp (vol. I) 734pp (vol. II).

Reports des notes d'AA d'une année à l'autre

AAReports des notes d'AA d'une année à l'autre
S-BIOG-006Autorisé
(*) HT : Heures théoriques - HTPE : Heures de travaux pratiques encadrés - HTPS : Heures de travaux pratiques supervisés - HD : Heures diverses - HR : Heures de remédiation - Dans la colonne Pér. (Période), A=Année, Q1=1er quadrimestre et Q2=2e quadrimestre
Date de génération : 01/02/2019
20, place du Parc, B7000 Mons - Belgique
Tél: +32 (0)65 373111
Courriel: info.mons@umons.ac.be