Programme d’études 2020-2021 | English | ||
Sciences de données II : modélisation | |||
Activité d'apprentissage |
Code | Titulaire(s) | Co-Titulaire(s) | Suppléant(s) et autre(s) | Établissement(s) |
---|---|---|---|---|
S-BIOG-015 |
|
|
Langue d’enseignement | Langue d’évaluation | HT(*) | HTPE(*) | HTPS(*) | HR(*) | HD(*) | Période d’enseignement |
---|---|---|---|---|---|---|---|
Français | Français | 0 | 20 | 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)
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:
- Modèle linéaire simple, multiple et polynomial
- Modèle linéaire, outils de diagnostic du modèle
- Modèle linéaire généralisé
- Modèle non linéaire
Supports principaux non reproductibles
Sans objet
Support complémentaires non reproductibles
Pas applicable.
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). Zar, J.H., 2010. Biostatistical analysis (5th ed.). Pearson Education, London. 944pp. Husson, F., S. Lê & J. Pagès, 2009. Analyse de données avec R. Presses universitaires de Rennes, Rennes. 224pp. 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
Types d'activités
Evaluations
Les modalités d'évaluation de l'AA sont précisées dans la fiche de l'UE dont elle dépend