 | Programme d’études 2020-2021 | English | |
| Science des données I : visualisation | |||
Activité d'apprentissage |
| Code | Titulaire(s) | Co-Titulaire(s) | Suppléant(s) et autre(s) | Établissement(s) |
|---|---|---|---|---|
| S-BIOG-006 |
|
|
| Langue d’enseignement | Langue d’évaluation | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Période d’enseignement |
|---|---|---|---|---|---|---|---|
| Français | Français | 0 | 35 | 0 | 0 | 0 | Q1 |
| Modalités d'organisation des évaluations de fin de Q3 2020-2021 (Covid-19) à distance ou en présentiel (selon les informations reprises à l'horaire) |
|---|
|
| Description des modalités d'évaluation de fin de Q3 2020-2021 (Covid-19) à distance ou en présentiel (selon les informations reprises à l'horaire) |
| 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. |
Modalités d'organisation des évaluations de fin de Q1 2020-2021 (Covid-19) à distance ou en présentiel (selon les informations reprises à l'horaire)
- Epreuve écrite (QCM, questions ouvertes)
Description des modalités d'évaluation à distance de fin de Q1 2020-2021 (Covid-19) à distance ou en présentiel (selon les informations reprises à l'horaire)
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.
Contenu de l'AA
Les chapitres de cette AA 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
Supports principaux non reproductibles
Sans objet
Support complémentaires non reproductibles
Sans objet
Autres références conseillées
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 d'enseignement
- Mixte
Types d'activités
- Travaux pratiques
- Exercices de création et recherche en atelier
- Projet sur ordinateur
- Etudes de cas
Evaluations
Les modalités d'évaluation de l'AA sont précisées dans la fiche de l'UE dont elle dépend