Objectifs par rapport aux acquis d'apprentissage du programme

• Avoir acquis des connaissances hautement spécialisées et intégrées et des compétences larges dans les diverses disciplines des sciences informatiques, qui font suite à celles relevant du niveau de bachelier en sciences informatiques
• Développer et intégrer un fort degré d'autonomie
• -Développer et intégrer un fort degré d'autonomie pour pouvoir évoluer dans de nouveaux contextes

Acquis d'apprentissage UE

Etre capable d’analyser correctement des données biologiques ayant une dépendance temporelle, d’ajuster un modèle non linéaire (courbe de cinétique, de croissance, dose-réponse, etc.) et de retrouver l’information pertinente dans un gros jeu de données à l’aide de techniques de « data mining ».

Contenu de l'UE

Séries spatio-temporelles; Classification supervisées; Random Forest; Analyse discriminante linéaire; Régression non linéaire; Modèles de croissance; Courbe dose-réponse; Von Bertallanffy; Richards; Weibull; Gompertz; logiciel R.  

Compétences préalables

Statistiques de base.

Types d'évaluations Q1 pour l'UE

• Examen oral

Commentaire sur les évaluations Q1 de l'UE

Préparation d'une question théorique, ou sur base d'un jeu de données partiellement résolu pendant une 1/2h. Ensuite, discussion autour du problème posé (explication de la méthode, que faire ensuite, autres méthodes utilisables sur de telles données, etc.)

Types d'évaluation Q3 pour l'UE

• Examen oral

Commentaire sur les évaluations Q3 de l'UE

Préparation d'une question théorique, ou sur base d'un jeu de données partiellement résolu pendant une 1/2h. Ensuite, discussion autour du problème posé (explication de la méthode, que faire ensuite, autres méthodes utilisables sur de telles données, etc.)

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

• Examen oral

Commentaire sur les évaluations rattr. Q1 de l'UE

Préparation d'une question théorique, ou sur base d'un jeu de données partiellement résolu pendant une 1/2h. Ensuite, discussion autour du problème posé (explication de la méthode, que faire ensuite, autres méthodes utilisables sur de telles données, etc.)