 | Programme d’études 2020-2021 | English | |
 | Bio-informatique et sciences des données II | ||
Unité d’enseignement du programme de Bachelier en sciences biologiques (Charleroi (Hor. jour)) à la Faculté des Sciences |
| Les étudiants sont invités à consulter les fiches ECTS des AA pour prendre connaissance des modalités d’évaluation spéciales Covid-19 éventuellement prévues pour la fin du Q3 |
|---|
| Code | Type | Responsable | Coordonnées du service | Enseignant(s) |
|---|---|---|---|---|
| US-B3-SCBIOC-940-C | UE Obligatoire | CONOTTE Raphael |
|
| Langue d’enseignement | Langue d’évaluation | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Crédits | Pondération | Période d’enseignement |
|---|---|---|---|---|---|---|---|---|---|
| Français | 0 | 60 | 0 | 0 | 0 | 5 | 5.00 | Année |
| Code(s) d’AA | Activité(s) d’apprentissage (AA) | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Période d’enseignement | Pondération |
|---|---|---|---|---|---|---|---|---|
| S-BIOG-937 | Sciences des données - Modélisation | 0 | 25 | 0 | 0 | 0 | Q1 | |
| S-BIOG-958 | Sciences des données - Analyses multivariées | 0 | 20 | 0 | 0 | 0 | Q2 | |
| S-BIOG-959 | Bioinformatique | 0 | 15 | 0 | 0 | 0 | Q2 |
| 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.
- 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.
- 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
Analyser correctement des données biologiques variées en utilisant :
- différents modèles linéaires (modèle linéaire, modèle linéaire généralisé, modèles non-linéaire,...)
- des méthodes d'ordination (ACP et AFC)
- des méthodes de classification (dendrogramme, ...)
Décrire correctement les données et tester les conditions d'application des techniques envisagées.
Tirer des conclusions appropriées par rapport à l'analyse effectuée et les formuler de manière rigoureuse.
Initiation à la bioinformatique et à l'analyse des données génomiques avec Bioconductor
Maitriser la présentation des résultats (rédaction de rapports) et l'utilisation de logiciels professionnels dans le domaine de la science des données :
- R
- RStudio
- R Markdown
- git
Contenu de l'UE
Les chapitres de cette UE sont:
- Modèle linéaire, variables prédictives qualitatives et quantitatives
- Modèle linéaire généralisé
- Modèle non linéaire
- Régressions robustes, quantile et courbes de survie
- Distances et classification hiérarchique
- K-means, MDS et SOM
- ACP et AFC
- AFM, biodiversité et Open Data
- Introduction à Bioconductor
- Analyse RNA-Seq
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,
- 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
- 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.
Pondération :
- Sciences des données - Modélisation : 40% de la cote de l'UE
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
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.
Pondération :
- Sciences des données - Analyses multivariées : 35% de la cote de l'UE
- Bioinformatique : 25% de la cote de l'UE
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
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.
Pondération :
- Sciences des données - Modélisation : 40% de la cote de l'UE
- Sciences des données - Analyses multivariées : 35% de la cote de l'UE
- Bioinformatique : 25% de la cote de l'UE
Types d'évaluation rattrapage BAB1 (Q1) pour l'UE
- Néant
Commentaire sur les évaluations rattr. Q1 de l'UE
Sans objet
Types d'activités
| AA | Types d'activités |
|---|---|
| S-BIOG-937 | |
| S-BIOG-958 |
|
| S-BIOG-959 |
|
Mode d'enseignement
| AA | Mode d'enseignement |
|---|---|
| S-BIOG-937 |
|
| S-BIOG-958 |
|
| S-BIOG-959 |
|
Supports principaux
| AA | |
|---|---|
| S-BIOG-937 | |
| S-BIOG-958 | |
| S-BIOG-959 |
Supports principaux non reproductibles
| AA | Supports principaux non reproductibles |
|---|---|
| S-BIOG-937 | Sans objet |
| S-BIOG-958 | Sans objet |
| S-BIOG-959 | Sans objet |
Supports complémentaires
| AA | |
|---|---|
| S-BIOG-937 | |
| S-BIOG-958 | |
| S-BIOG-959 |
Supports complémentaires non reproductibles
| AA | Support complémentaires non reproductibles |
|---|---|
| S-BIOG-937 | Sans objet |
| S-BIOG-958 | Sans objet |
| S-BIOG-959 | Sans objet |
Autres références conseillées
| AA | Autres références conseillées |
|---|---|
| S-BIOG-937 | Barnier, 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). Zar, J.H., 2010. Biostatistical analysis (5th ed.). Pearson Education, London. 944pp. 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. |
| S-BIOG-958 | Barnier, 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). Zar, J.H., 2010. Biostatistical analysis (5th ed.). Pearson Education, London. 944pp. 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. |
| S-BIOG-959 | Sans objet |