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 de l'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 : descriptif et cohérence pédagogique

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.

Type(s) et mode(s) d'évaluation Q1 pour l'UE

• Examen écrit - En présentiel
• Production (travail écrit, rapport, essai, collection, produit…) à déposer - A distance
• Exercice(s) coté(s) - En présentiel
• Epreuve pratique - En présentiel

Commentaire sur les évaluations Q1 de l'UE

Note globale rassemblant les évaluations suivantes:

- Evaluation de la progression en continu
- 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.

Méthode de calcul de la note globale pour l'évaluation Q1 de l'UE

Sciences des données - Modélisation : 40% de la cote de l'UE

Type(s) et mode(s) d'évaluation rattrapage Q1 (BAB1) pour l'UE

• Néant - Néant

Commentaire sur les évaluations rattrapage Q1 (BAB1) de l'UE

Sans objet

Méthode de calcul de la note globale pour l'évaluation rattrapage Q1 (BAB1) de l'UE

Néant

Type(s) et mode(s) d'évaluations Q2 pour l'UE

• Examen écrit - En présentiel
• Production (travail écrit, rapport, essai, collection, produit…) à déposer - A distance
• Exercice(s) coté(s) - En présentiel
• Epreuve pratique - En présentiel

Commentaire sur les évaluations Q2 de l'UE

Note globale rassemblant les évaluations suivantes:

- Evaluation de la progression en continu
- 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.

Méthode de calcul de la note globale pour l'évaluation Q2 de l'UE

- Sciences des données - Analyses multivariées : 40% de la cote de l'UE
- Bioinformatique : 20% de la cote de l'UE

Type(s) et mode(s) d'évaluations Q3 pour l'UE

• Examen écrit - En présentiel
• Production (travail écrit, rapport, essai, collection, produit…) à déposer - A distance
• Exercice(s) coté(s) - En présentiel
• Epreuve pratique - En présentiel

Commentaire sur les évaluations Q3 de l'UE

Note globale rassemblant les évaluations suivantes:

- Evaluation de la progression en continu
- 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.

Méthode de calcul de la note globale pour l'évaluation Q3 de l'UE

- 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