Programme d’études 2019-2020English
Science des données I : visualisation et inférence
Unité d’enseignement du programme de Bachelier en sciences biologiques à la Faculté des Sciences
CodeTypeResponsable Coordonnées
du service
Enseignant(s)
US-B2-SCBIOL-006-MUE ObligatoireGROSJEAN PhilippeS807 - Ecologie numérique des milieux aquatiques
  • GROSJEAN Philippe

Langue
d’enseignement
Langue
d’évaluation
HT(*) HTPE(*) HTPS(*) HR(*) HD(*) CréditsPondération Période
d’enseignement
  • Français
Français07000066.00Année

Code(s) d’AAActivité(s) d’apprentissage (AA) HT(*) HTPE(*) HTPS(*) HR(*) HD(*) Période
d’enseignement
Pondération
S-BIOG-006Science des données I : visualisation050000Q1
S-BIOG-027Science des données I : inférence020000Q2

Note globale : les évaluations de chaque AA donnent lieu à une note globale pour l'unité d'enseignement.
Unité d'enseignement

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.
    • Intégrer de façon critique des savoirs d'autres domaines de connaissances à la biologie (sciences de la terre, physique, chimie, mathématiques) afin de favoriser une approche interdisciplinaire.
  • Résoudre des problèmes à composante biologique.
    • Analyser et interpréter, de façon pertinente, des données biologiques collectées in natura, par dissection ou sur base d'un protocole expérimental 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

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

Les chapitres de cette UE sont: 

- Initiation aux logiciels (Logiciels R, RStudio, git & Markdown.)
- Visualisation I, nuage de points et R Markdown
- Visualisation II, histogramme, densité, violon
- Visualisation III, barres, camembert, boxplot, composition et moteurs graphiques
- Traitement des données I, importation, variables, conversion, utilisation de dplyr
- Traitement des données II, cas par variables, contingence, population, échantillonnage, acquisition, chaînage des instructions
- Traitement des données III, utilisation de tidyr et traitement multi-tableaux, initiation aux bases de données
- design expérimental, révision graphiques, à faire et ne pas faire, compléments logiciels
- Probabilités et distributions
- Test Chi carré, proportions et corrélation
- Intervalle de confiance, test de Student, test de Wilcoxon
- Analyse de variance

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
  • Epreuve pratique
  • Exercice(s) coté(s)
  • eTest

Commentaire sur les évaluations Q1 de l'UE

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 - E-test.

En raison de l'évaluation de la progression en continu, la présence aux séances est obligatoire.

Types d'évaluations Q2 pour l'UE

  • Présentation et/ou travaux
  • Epreuves pratiques
  • Exercice(s) coté(s)
  • eTest

Commentaire sur les évaluations Q2 de l'UE

Similaire à Q1.

Types d'évaluation Q3 pour l'UE

  • Présentation et/ou travaux
  • Epreuves pratiques
  • Exercice(s) coté(s)
  • eTest

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

Néant

Types d'activités

AATypes d'activités
S-BIOG-006
S-BIOG-027
  • Exercices de création et recherche en atelier
  • Projet sur ordinateur
  • Etudes de cas

Mode d'enseignement

AAMode d'enseignement
S-BIOG-006
  • Face à face
  • Mixte
S-BIOG-027
  • Face à face
  • Mixte

Supports principaux

AA
S-BIOG-006
S-BIOG-027

Supports principaux non reproductibles

AASupports principaux non reproductibles
S-BIOG-006Sans objet
S-BIOG-027Sans objet

Supports complémentaires

AA
S-BIOG-006
S-BIOG-027

Supports complémentaires non reproductibles

AASupport complémentaires non reproductibles
S-BIOG-006Sans objet
S-BIOG-027Sans 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).
S-BIOG-027Barnier, 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). Zar, J.H., 2010. Biostatistical analysis (5th ed.). Pearson Education, London. 944pp. Dagnelie, P., 2007. Statistique théorique et appliquée, Volumes I et II (2ème ed.). De Boeck & Larcier, Bruxelles. 511pp (vol. I) 734pp (vol. II). Venables W.N. & B.D. Ripley, 2002. Modern applied statistics with S-PLUS (4th ed.). Springer, New York, 495 pp. Legendre, P. & L. Legendre, 1998. Numerical ecology (2nd ed.). Springer Verlag, New York. 587 pp.
(*) 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 : 09/11/2019
20, place du Parc, B7000 Mons - Belgique
Tél: +32 (0)65 373111
Courriel: info.mons@umons.ac.be