Durée
10h Th, 20h APP
Nombre de crédits
Enseignant
Langue(s) de l'unité d'enseignement
Langue anglaise
Organisation et évaluation
Enseignement au premier quadrimestre, examen en janvier
Horaire
Unités d'enseignement prérequises et corequises
Les unités prérequises ou corequises sont présentées au sein de chaque programme
Contenus de l'unité d'enseignement
La partie théorique de ce cours abordera:
- Les généralités sur la nature et le format des données en sciences de la santé
- Les notions de reproductibilité, d'automatisation et de reporting
- Le concept "Tidyverse"
- L'apport de RMarkdown
- L'apprentissage des commandes de bases - Tidyverse
- L'apprentissage des types de données - Tidyverse
- La manipulation des tables - Tidyverse
- La représentation visuelle des données et résultats - ggplot2
- L'automatisation des analyses et la notion de "script"
- Le reporting - RMarkdown
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement
A l'issue de ce cours, l'étudiant sera capable:
- de comprendre les généralités sur les différentes données en sciences de la vie
- d'identifier les ressources disponibles en ligne
- d'identifier les points importants d'un jeu de données quand il lui est présenté et de réaliser une analyse pertinente
- de représenter de plusieurs façons les résultats pour répondre à différentes questions
- de respecter les notions de reproductibilité et automatisation en créant un script d'analyses pouvant s'adapter à des jeux de données différents
Savoirs et compétences prérequis
Cette formation s'appuie sur l'apprentissage au préalable par les étudiants du langage de programmation R.
Activités d'apprentissage prévues et méthodes d'enseignement
Après avoir appris les notions importantes lors des cours théoriques, l'étudiant devra réaliser des analyses de données avec une complexité croissante . Il comprendra comment réaliser une analyse particulière, puis comment intégrer les notions de reproductibilité et automatisation. Pour les travaux pratiques, l'interface RStudio sera utilisée pour exploiter l'environnement de programmation R.
Mode d'enseignement (présentiel, à distance, hybride)
Cours donné exclusivement en présentiel
Informations complémentaires:
Cours magistraux et travaux pratiques en présentiel.
Supports de cours, lectures obligatoires ou recommandées
Plate-forme(s) utilisée(s) pour les supports de cours :
- Microsoft Teams
Informations complémentaires:
Différents fichiers seront mis à dispositions des étudiants:
- Les dias des cours théoriques et pratiques
- Des documents ressources importants
- Des jeux de données
- Des exemples de scripts
Modalités d'évaluation et critères
Examen(s) en session
Session de janvier
- En présentiel
évaluation écrite ET évaluation orale
Travail à rendre - rapport
Informations complémentaires:
L'évaluation comprendra:
- une évaluation écrite des concepts théoriques en session
- Une script d'analyse à préparer par l'étudiant et à rendre pour l'examen oral, au cours duquel il recevra un jeu de données pour tester son travail. Il pourra avoir différentes ressources (définies pendant les cours) à sa disposition lors de l'examen.
La pondération de l'évaluation est la suivante :
- La participation aux TPs: 15%
- Le rapport à produire: 25%
- L'examen écrit: 20%
- La présentation orale: 40%
Stage(s)
Remarques organisationnelles et modifications principales apportées au cours
Contacts
Arnaud LAVERGNE, PhD
GIGA-BIOINFORMATICS
B34 - 1st Floor
+32 4 3663453
arnaud.lavergne@uliege.be