 | Study programme 2020-2021 | Français | |
| Data Sciences I : visualisation | |||
Learning Activity |
| Code | Lecturer(s) | Associate Lecturer(s) | Subsitute Lecturer(s) et other(s) | Establishment |
|---|---|---|---|---|
| S-BIOG-006 |
|
|
| Language of instruction | Language of assessment | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Term |
|---|---|---|---|---|---|---|---|
| Français | Français | 0 | 35 | 0 | 0 | 0 | Q1 |
| Organisational online arrangements for the end of Q3 2020-2021 assessments (Covid-19) |
|---|
|
| Description of the modifications to the Q3 2020-2021 assessment procedures (Covid-19) |
| Suite aux modifications pour les évaluations imposées par la crise Covid-19 (examen à distance), l'évaluation se fera sur base d'un dépôt Github ClassRoom contenant un exercice pratique à résoudre. Le type de rapport attendu est similaire à ceux effectués durant l'année, avec une évaluation identique (organisation des fichiers, contenu, rapport reproductible et exécutable, spécification de la question, analyses en rapport avec la question et discussion/conclusions cohérentes). Les différents exercices des modules du cours doivent également être terminés et seront comptabilisés. Le travail est individuel. Le plagiat sera sanctionné. |
Organisational arrangements for the end of Q1 2020-2021 assessments (Covid-19) online or face-to-face (according to assessment schedule)
- Written exam (multiple choice, open questions)
Description of the modifications to the Q1 2020-2021 online assessment procedures (Covid-19) online or face-to-face (according to assessment schedule)
Suite aux modifications pour les évaluations imposées par la crise Covid-19 (examen à distance), l'évaluation se fera sur base d'un dépôt Github ClassRoom contenant un exercice pratique à résoudre. Le type de rapport attendu est similaire à ceux effectués durant l'année, avec une évaluation identique (organisation des fichiers, contenu, rapport reproductible et exécutable, spécification de la question, analyses en rapport avec la question et discussion/conclusions cohérentes). Le travail est individuel. Le plagiat sera sanctionné.
Content of Learning Activity
The chapters of this AA are:
- Introduction - Software & tools (Software R, RStudio, git & Markdown)
- Visualisation I - Scatterplot
- Visualisation II - Distributions
- Visualisation III - Barplot/boxplot
- Data processing I - Importation/conversion
- Data processing II - Contingency/sampling
- Data processing III - Multi-tables/databases
Required Learning Resources/Tools
Not applicable
Recommended Learning Resources/Tools
Not applicable
Other Recommended Reading
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).
Mode of delivery
- Mixed
Type of Teaching Activity/Activities
- Travaux pratiques
- Exercices de création et recherche en atelier
- Projet sur ordinateur
- Etudes de cas
Evaluations
The assessment methods of the Learning Activity (AA) are specified in the course description of the corresponding Educational Component (UE)