Catalogue de formation

Biostatistiques avec R

• Apprendre à utiliser le logiciel R pour analyser des données
• Être capable de comprendre et choisir le test statistique approprié
• Savoir représenter des données sous R

• Comprendre les statistiques
  • Logiques de raisonnement et hypothèses.
• Notions de base pour utiliser R en statistiques
  • Les fondamentaux du logiciel R.
  • La création de variables et la manipulation de données.
• Choisir le test approprié
  • Loi normale et homoscédasticité.
• Comparaison de moyennes
  • Tests paramétriques.
  • Tests non paramétriques.
• Les analyses multivariées
  • Coefficient de corrélation de Pearson.
  • L’analyse en composantes principales (ACP)

Analyse Chimie / Bio Open Source Statistiques théoriques et appliquées Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Français Italien Français Français

Formation modulaire à NVivo - Découvrir Nvivo

• Comprendre le rôle de NVivo dans le processus de l’analyse qualitative.
• Comprendre et maîtriser l’environnement NVivo.
  • Gestion des sources
  • Gestion des cas
  • Codage des sources
  • Les matrices de croisement
  • Documenter son analyse ; mémos, annotations et liens à.

 

• 4 modules de 3h

Programme détaillé de la formation

 

1. L’analyse qualitative avec NVivo et prise en main du logiciel

Rappel des principes de bases en analyse qualitative

La place des logiciels d’aide à l’analyse qualitative dans le processus de recherche

NVivo son interface et sa philosophie

2. La préparation d’un projet

Préparation des sources, organisation du logiciel et importation de sources (données textuelles en word et pdf et images)

La carte mentale NVivo : le brainstorming comme point de départ du codage

Exercices pratiques

3. Le codage déductif et inductif

Exercices pratiques sur base de données textuelles et image. Les différentes logiques de codage.

Les relations

 

Le cas particulier des données audio et vidéos et la transcription 

Les différents types de transcription.

Échange entre les participants sur leurs pratiques

Les outils pour réaliser une transcription efficacement

Démonstration de NVivo transcription I

Importation de transcription réalisée en dehors de Nvivo

 

Les requêtes automatiques 

Codage automatique des émotions et des thèmes

Codage automatique sur base de la structure des documents – travailler avec des entretiens semi-structurés et structurés

 

Travailler avec des enquêtes et des tableaux de données 

Importation des fichiers Excel

Le codage automatique des tableaux de données

 

Documenter ses analyses, son travail + Matrices de croisements 

Mémos et annotations

Liens à

Liaisons internes

Les matrices de croisement pour explorer les liens entre les idées

 

Analyse Analyse Coaching Distanciel Distanciel Distanciel Distanciel

Stata, traitement des dates et analyse des séries temporelles : Series Temp 1 et 2

• Traiter et Analyser des séries temporelles avec Stata.

2 modules de 3,5 heures chacun

Stata Séries Temp 1 : Une introduction au traitement et à l’analyse des séries temporelles

• Traitement des variables de date et opérateurs de séries temporelles
• Les graphiques spécifiques pour les séries temporelles
• Les méthodes de lissage pour corriger des variations saisonnières et/ou prédire
• Un exercice pratique

Stata Séries Temp 2 : Quelques méthodes d’estimation spécifiques

• La régression linéaire à partir de séries temporelles
• La modélisation ARIMA
• La prévision
• Exercice synthétique

Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Économétrie / Finance

Biostatistiques avec R

• Apprendre à utiliser le logiciel R pour analyser des données
• Être capable de comprendre et choisir le test statistique approprié
• Savoir représenter des données sous R

• Comprendre les statistiques
  • Logiques de raisonnement et hypothèses.
• Notions de base pour utiliser R en statistiques
  • Les fondamentaux du logiciel R.
  • La création de variables et la manipulation de données.
• Choisir le test approprié
  • Loi normale et homoscédasticité.
• Comparaison de moyennes
  • Tests paramétriques.
  • Tests non paramétriques.
• Les analyses multivariées
  • Coefficient de corrélation de Pearson.
  • L’analyse en composantes principales (ACP)

Analyse Chimie / Bio Open Source Statistiques théoriques et appliquées Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Français Italien Français Français

Jump Start Signals Notebook

Module 1: Administrator training (4h, 5 personnes max):

• Acquérir les compétences afin de pouvoir intégrer, soutenir et faire évoluer la plateforme Signals Notebook aux besoins de votre organisation
• Apprendre comment votre pratique professionnelle est mise en oeuvre
• Ajuster les attributs, créer et distribuer des modèles de système, gérer les utilisateurs, les groupes et les associations de groupes, examiner les résultats de l’analyse des données
• Examiner les options de verrouillage ou de fermeture des travaux
• Définir les autorisations via la politique de sécurité

Module 2: Introductory, First Time User training for Signals Notebook (2 sessions de 4h, 15 personnes max par session ):

• Assurer l’adoption rapide de Signals Notebook grâce à la formation des utilisateurs finaux – conçue pour les nouveaux utilisateurs ayant des antécédents scientifiques variés et provenant de diverses disciplines.
• Apprendre les compétences clés, encourager les meilleures pratiques
• Apprendre à partager des conseils et des astuces
• Apprendre à répondre aux questions et se familiariser avec les ressources en libre-service

 

Voir programme détaillé ci-joint.

Chimie / Bio Chimie / Bio Chimie / Bio Chimie / Bio

Communicating science to a wider audience

Ce stage pour des chercheurs scientifiques et toute personne travaillant dans la communication scientifique de fournir aux stagiaires les moyens et techniques journalistiques, écrits et oraux, pour simplifier leurs messages complexes, en utilisant des métaphores plus faciles à comprendre et en évitant le langage aride des experts.

En résumé, comment formuler les « headlines » dynamiques, comment synthétiser et simplifier ces messages, et vulgariser afin qu’ils puissent être compris par le plus grand nombre.

Journée 1

1. Définition du concept de « populaire ». La notion du populaire aujourd’hui n’est pas le même que celle d’hier car les médias ont énormément évoluées. Diapos.
2. Les médias comme vecteur de savoir. Les meilleurs films de science-fiction, livres, etc.
3. Pourquoi ces films, livres, etc. en particulier ?
4. Discussion sur ce que les gens trouvent attirant dans les présentations – pourquoi veulent -ils toucher un public plus grand ?
5. Pourquoi votre travail est-il important ? Qu’est-ce qu’il va changer ? Le cible ? Pourquoi le public pourrait être intéressé ? « Storytelling » – comment construire un narrative – début – milieu – fin. L’importance des « chutes ».
6. « Highlights » – Quels sont les « highlights » de votre travail. Création de 4/5 phrases dynamiques.
7. Liste de métaphores – inventer des métaphores.
8.  Lecture de textes de « Nature » et l’extraction de mots clés ayant de l’impact. Leur sens ? Pouvez-vous les utiliser ?
9. Les titres – la création de titres qui retient l’attention – règles – mots clés – verbes clés – pensez en termes des mots clés et les verbes clés de votre travail – les verbes créent le dynamisme.
10. Une analyse des « news highlights » de Nature.
11. Interviewez vos collègues de stage et rédigez des courts rapports sur leur travail. Inventez des titres courts pour les « highlight reports ».
12. Les structures des paragraphes.
13. Choix d’une structure ou une combination des structures pour la rédaction d’un blog à mettre en ligne sur Facebook, par exemple. Exemples de Nature et New Scientist.
14. Combinez les 6 questions – qui – quoi – quand – comment – où – pourquoi et l’utilisez dans l’article du blog. Trouvez une image.
15. L’importance des images.
16. Rédaction d’un texte d’environ 500/600 mots sur votre propre travail. Segmentez-le en paragraphes.
17. Ecrire la légende de l’image.
18. Montrez-la à 4 autres stagiaires pour obtenir leurs opinions afin d’améliorer le blog.

Journée 2

1. La passion dans l’expression orale.
2. L’idée de base d’une présentation orale en 180 secondes (3MT).
3. Prononciation – intonation.
4. Présentation sur comment donner une présentation.
5. Langage corporel.
6. La projection de soi – contrôler le trac.
7. Feuille de minutage – les mots qu’il faut et quand.
8. Comment condenser une thèse de 180 pages en seulement 2 pages?
9. Combien de informations pouvez-vous communiquer en 180 secondes – 133 à 180 mots/minute donc ~400 à 540 mots en 3 minutes.
10. Travail en groupes afin de structurer les présentations. Choix des métaphores – analogies.
11. Créer 1 diapo PowerPoint pour toute la présentation.
12. Discussion en groupes sur votre message. Point clés et comment les mettre en avant.Chronométrage et synchronisation.
13.  Présentation de présentations ayant gagnés des prix.
14. Chaque stagiaire donne sa présentation au moins deux fois.

Communication et rédaction scientifique Communication et rédaction scientifique Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise

Mettre en place sa veille scientifique et technologique dans un projet innovant

• Réussir la mise en œuvre de la veille scientifique, technique et technologique d’un projet.
• Connaître le cycle de veille et organiser son plan de veille.
• Organiser les différentes étapes de la veille concrètement.

1. Se familiariser avec les bases du cycle global de la veille scientifique, présentation théorique et présentation des projets individuels (30 min)
2. Identifier les étapes clés du processus de veille scientifique, présentation et exercice pratique (30 min)
3. Méthodologie de recherche d’informations scientifiques, techniques et technologiques : exposé théorique et exercice de mise en pratique (30 min)
4. Bien définir ses besoins, son périmètre et ses axes de recherche exercice pratique : exercice de mise en pratique  (1h30)
5. Organiser une veille ciblée cas concret (30 min)
6. Bien choisir ses sources : les différents moteurs de recherche scientifiques, les bases de données et la littérature grise exercice , fiche technique, fiches conseil(1h30)
7. Choisir et analyser les informations importantes au projet présentation théorique (30 min)
8. Evaluer et gérer les informations (15 min)
9. Diffuser sa veille : présentation (30 min)
10. Point sur les outils de veille : présentation (15 min)
11. Ajuster et mener des actions correctives sur le projet : théorie (30 min)

 

Communication et rédaction scientifique Publication Distanciel

Rédaction d’articles scientifiques en anglais

• Comprendre et savoir utiliser l’approche anglo-saxonne dans la rédaction d’articles scientifiques
• Mettre en pratique les enseignements sur le champ sur son propre travail
• Comprendre l’importance du lecteur et donc de la clarté et précision de son message
• Comprendre qu’il faut penser dans la langue dans lequel on écrit pour le rendre plus compréhensible
• Savoir mieux utiliser la grammaire et la syntaxe dans ses écrits pour les rendre plus clairs
• Maîtriser la structure de l’article et donc mieux structurer son discours
• Avoir une trame et une boite à outils réutilisable pour d’autres articles

Jour 1

• Présentation du stage et définition des objectifs de chaque stagiaire
• L’utilisation du résumé pour décrire la méthode suivie pour le stage
• Comment penser en anglais pour écrire directement sans passer par le français
  Chaque phrase doit remplir une fonction précise
• La logique de l’enchainement des pensées
• Exercices d’analyse et simplification de textes complexes en anglais
• Exercices sur les prépositions et « phrasal verbes »
• Exercice avec un « abstract » réel de la revue « Nature »
• Les stagiaires rédigent leurs propres abstracts
• Aide et correction par le formateur
• L’introduction, ses composants, ses objectifs et sa structure : contexte de la recherche, références, méthode utilisée, …
• Les conjugaisons nécessaires – exercices. L’importance de la chronologie pour les références
  La mise en avant de l’objectif de l’article dans l’introduction : l’importance de l’étude
• Les stagiaires choisissent et rédigent au choix une des quatre parties de l’introduction
• Aide et correction par le formateur

Jour 2

• Identification des erreurs typiques d’anglais faites par des chercheurs dans des textes scientifiques
• La syntaxe anglaise, les différences entre la syntaxe anglaise et française
• Différences de conception culturelle
• Analyse et repérage des erreurs dans des textes écrits par d’autres chercheurs
• Exercices
• La méthode : l’importance des conjugaisons et le passif
• Exemples des méthodes déjà publiées
• Chaque stagiaire rédige sa méthode
• Les stagiaires lisent les méthodes de leurs collègues en essayant d’identifier leurs erreurs éventuelles, syntaxe difficile à comprendre, …

Les résultats

• L’importance des comparaisons, oppositions et causes et effets et le langage utilisé
• Exemples des résultats dans des publications
• Grammaire et exercices
• Vocabulaire pour décrire l’évolution des phénomènes observés
• Le langage des figures, illustrations, graphiques, … comment les présenter et les décrire
• Choix des figures par les stagiaires
• Rédaction des descriptionsJour 3

Reprise des résultats. Aide et correction par le formateur.

La discussion

• L’utilisation de l’introduction comme gabarit pour la discussion pour faciliter sa rédaction
• Les réponses attendues dans la discussion par rapport aux questions posées dans l’introduction
• Les adverbes d’opposition, de débat, de prise en compte
• L’ajout des informations supplémentaires
• Discussion entre les stagiaires afin qu’ils puissent mieux identifier les points difficiles dans leurs propres discussions et clarifier leurs idées
• Rédaction d’une partie de la discussion au choix
• Aide et correction par le formateur

La conclusion et perspectives

• La spéculation, verbes modaux, structure, synthèse
• Rédaction de la conclusion
• Lettres à l’éditeur et aux « reviewers
• Exercice – test ludique

Communication et rédaction scientifique Intra-entreprise Inter-entreprise Inter-entreprise Inter-entreprise Présentiel Présentiel Présentiel Présentiel Anglais Anglais Anglais

Les bases du Machine Learning

• Comprendre les bases de l’apprentissage artificiel et du machine learning sur des données structurées, appliquer des méthodes standard de réduction de dimension et de clustering, savoir mettre en oeuvre un modèle de régression en contrôlant le surajustement et en validant les prédictions du modèle, comprendre les bases du text mining.
• À l’issue de cette formation, le participant sera en mesure de déterminer le type de techniques à appliquer en fonction des questions posées et de réaliser des pré-traitements élaborés afin de mettre en oeuvre des modèles prédictifs.

 JOUR 1

• Introduction aux méthodes non supervisées :
  • L’analyse en composantes principales (PCA)
  • La classification automatique (k-means),
  • Les règles d’association (apriori, eclat)
• Introduction aux méthodes supervisées :
  • Les modèles de régression linéaire et logistique avec régularisation (ridge régression),
  • Les arbres de décision (régression et classification)

JOUR 2

• Les méthodes standards pour mettre en œuvre des modèles prédictifs :
  • Feature engineering : apprendre à réduire la complexité d’un problème,
  • Sélection de variables,
  • Validation croisée,
  • Calibration d’un modèle prédictif
  • Text Mining et web scraping

Prérequis

• Aucun

Moyens pédagogiques et d’encadrement

• Séances de formation en salle,
• Support pédagogiques format numérique,
• Etudes de cas concrets,
• Exposés théoriques,
• Utilisation des données fournies par les participants,
• Travail approfondi sur les données,
• Paper-board, vidéoprojecteur, connexion internet

 

Data Science Data Science Data Science Data Science Data Science Data Science Data Science Data Science Data Science

Machine Learning Avancé

• Maîtriser des modèles plus complexes de machine learning, en particulier les méthodes d’ensemble reposant sur les techniques de bagging et de boosting, utiliser et optimiser des modèles de pénalisation (lasso et elasticnet), comprendre la technique de rééchantillonnage par bootstrap pour l’estimation et la validation croisée, savoir mettre en oeuvre les techniques de filtrage collaboratif.
• À l’issue de cette formation, le participant aura une vision globale des différentes techniques de modélisation multivariée.

JOUR 1

• L’exploration avancées des données :

• • DBSCAN, algorithme de clustering de données non supervisées
  • Manifold Learning

JOUR 2

• Gaussian Mixture Modelling (GMM)
• Optimiser des modèles de pénalisation avec Lasso et elasticnet (régression, PLS)
• Support Vector Machine (SVM)

JOUR 3

• Random Forest et Gradient Boosting Machines
• L’estimation et la validation croisée par Bootstraping
• Le filtrage collaboratif et le système de recommandation

 

Data Science Open Source Open Source Open Source Open Source Open Source Open Source Open Source Open Source Open Source Open Source

Découverte du logiciel Stata : Stata Deb1 – Stata Deb4

• Maîtrise des fonctions de base afin d’être autonome avec Stata sur les sujets suivants : Statistiques descriptives, graphiques et premières estimations.

4 modules de 3,5 heures chacun

Stata Deb1 : A la rencontre du logiciel 

• Présentation de l’environnement du logiciel
• Comment paramétrer une session Stata pour être efficace
• La syntaxe générale d’une commande de Stata
• Savoir utiliser l’aide pour devenir autonome
• Exemple commenté d’une session Stata pour en appréhender les possibilités
• Importer des données, les décrire et les visualiser : une première approche
• Un premier Exercice

Stata Deb2 : Travailler ses données 

• Exploration d’un fichier de données : le conditionnel if, by et in
• Manipuler des variables : création, recodage, labels et plein d’autres astuces
• Manipuler des données : trier, supprimer, fusionner, changement de format et produire des données agrégées
• Un exercice pour se tester

Stata Deb3 : Statistiques Descriptives, Tables et Graphiques 

• Statistiques descriptives
• Tables statistiques synthétiques
• Analyse univariée
• Une introduction à l’analyse de la variance
• Les graphiques avec Stata
• Un exercice synthétique

Stata Deb4 : Une introduction à la régression

• Régression linéaire : estimation, post-estimation, diagnostics et tests
• Régression logistique : estimation, post-estimation, diagnostics et tests
• Découverte de la programmation : les boucles
• Exercice synthétique (suite)

 

Économétrie / Finance

Stata, traitement des dates et analyse des séries temporelles : Series Temp 1 et 2

• Traiter et Analyser des séries temporelles avec Stata.

2 modules de 3,5 heures chacun

Stata Séries Temp 1 : Une introduction au traitement et à l’analyse des séries temporelles

• Traitement des variables de date et opérateurs de séries temporelles
• Les graphiques spécifiques pour les séries temporelles
• Les méthodes de lissage pour corriger des variations saisonnières et/ou prédire
• Un exercice pratique

Stata Séries Temp 2 : Quelques méthodes d’estimation spécifiques

• La régression linéaire à partir de séries temporelles
• La modélisation ARIMA
• La prévision
• Exercice synthétique

Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Économétrie / Finance

Environnement de développement en Data Science

Comprendre l’écosystème de la data science et connaître les outils afférents à la réalisation d’un projet en data science.

 

Prérequis

Aisance avec les outils informatiques, disposer d’une connexion Internet

Programme détaillé de la formation

JOUR 1

• L’environnement unix, l’interaction avec un shell, les outils open source (sed, awk, grep, jq, csvkit, etc.), R et Python, SQL et NoSQL
• Le contrôle de révision et travail collaboratif avec Git
• La méthodologie de gestion d’un projet en data science
• Les principes de base du génie logiciel et bonnes pratiques

JOUR 2

• Le recueil et traitement de l’information (plans d’expérience et essais cliniques, enquête et sondages, données web, open data)
• L’architecture distribuées et base de données, map-reduce, big data, Apache Spark

 

Moyens pédagogiques et d’encadrement :

• Plateforme digitale de formation dédiée (LMS).
• Séances avec le formateur, Support pédagogiques format numérique, alternance entre théorique et pratique.

Dispositif de suivi et d’évaluation des acquis:

Mise en pratique et exercices, Appréciation de la formation à chaud.

Résultats & compétences attendus à l’issue de la formation :

À l’issue de cette formation, le participant aura une idée précise de ce que représente la data science, les outils disponibles pour mettre en oeuvre des projets de data science, quel langage de programmation choisir et comment organiser son travail.

Mis à jour le : 13/04/2021

Ingénierie et développement Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Présentiel Anglais Anglais Anglais Anglais Anglais Anglais Anglais Anglais Anglais Anglais Anglais Anglais Anglais Anglais Anglais Anglais Anglais Anglais Anglais Anglais Anglais Anglais Anglais Anglais Anglais Anglais Anglais Anglais Anglais

Origin : Programmation

• Maîtriser des fonctions de base de la programmation: accès aux différents objets d’Origin, variables, fonctions, boites de dialogue.

1. Environnement

• Script Window, Command Window et Code Builder
• Déclenchement de scripts à partir de boutons de raccourci
• Déclenchement de scripts par des événements

2. Types de variables

3. Accès aux objets Origin

• Accès aux données issues de workseet
• Graphiques et personnalisation
• Objets graphique

4. Opérateurs et calculs

5. Structures des scripts

6. Fonctions

7. Boites de dialogues

Ingénierie et développement Ingénierie et développement Ingénierie et développement Ingénierie et développement Ingénierie et développement Ingénierie et développement

Innover avec le design thinking

Comprendre le processus de Design Thinking afin de l’utiliser pour innover et résoudre des problèmes complexes.

1.Discover : à la découverte du challenge à relever
2.Define : définir avec précision le problème à résoudre
3.Develop : imaginer la solution la plus pertinente
4.Deliver : construire la solution et recueillir des feedbacks selon une démarche itérative

Management du changement

Management Agile des projets scientifiques

• Objectifs pédagogiques: Aborder l’état d’esprit et les concepts de l’Agilité

1. Pourquoi passer à l’Agilité ?
2. Introduction à l’Agilité
3. Le vocabulaire de l’Agilité
4. Les principes de Scrum

Management du changement

Biostatistiques avec R

• Apprendre à utiliser le logiciel R pour analyser des données
• Être capable de comprendre et choisir le test statistique approprié
• Savoir représenter des données sous R

• Comprendre les statistiques
  • Logiques de raisonnement et hypothèses.
• Notions de base pour utiliser R en statistiques
  • Les fondamentaux du logiciel R.
  • La création de variables et la manipulation de données.
• Choisir le test approprié
  • Loi normale et homoscédasticité.
• Comparaison de moyennes
  • Tests paramétriques.
  • Tests non paramétriques.
• Les analyses multivariées
  • Coefficient de corrélation de Pearson.
  • L’analyse en composantes principales (ACP)

Analyse Chimie / Bio Open Source Statistiques théoriques et appliquées Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Français Italien Français Français

Machine Learning Avancé

• Maîtriser des modèles plus complexes de machine learning, en particulier les méthodes d’ensemble reposant sur les techniques de bagging et de boosting, utiliser et optimiser des modèles de pénalisation (lasso et elasticnet), comprendre la technique de rééchantillonnage par bootstrap pour l’estimation et la validation croisée, savoir mettre en oeuvre les techniques de filtrage collaboratif.
• À l’issue de cette formation, le participant aura une vision globale des différentes techniques de modélisation multivariée.

JOUR 1

• L’exploration avancées des données :

• • DBSCAN, algorithme de clustering de données non supervisées
  • Manifold Learning

JOUR 2

• Gaussian Mixture Modelling (GMM)
• Optimiser des modèles de pénalisation avec Lasso et elasticnet (régression, PLS)
• Support Vector Machine (SVM)

JOUR 3

• Random Forest et Gradient Boosting Machines
• L’estimation et la validation croisée par Bootstraping
• Le filtrage collaboratif et le système de recommandation

 

Data Science Open Source Open Source Open Source Open Source Open Source Open Source Open Source Open Source Open Source Open Source

Bioélectrochimie - Concepts et applications

• Acquérir les bases en bioélectrochimie.
• Connaître les outils utilisés en bioélectrochimie.
• Connaître les applications concrètes des systèmes bioélectrochimiques.
• Pouvoir collaborer avec des chimistes/biologistes dans le cadre de projets incluant un système bio-électrochimique.

Initiation aux systèmes bioélectrochimiques

• Qu’est-ce qu’un système bioélectrochimique ?
• Les biofilms électroactifs.
• Les microorganismes électroactifs modèles.
• De la sélection anodique aux interactions microbiennes.
• Les réacteurs : design et matériaux.

Les applications réelles

• Traitement des eaux usées.
• Traitement d’effluents industriels.
• Production de molécules d’intérêt.
• Autres applications.

Process et métiers des laboratoires Process et métiers des laboratoires Process et métiers des laboratoires Process et métiers des laboratoires Process et métiers des laboratoires Process et métiers des laboratoires

Séquençage haut débit et écologie microbienne

• Comprendre le séquençage génomique à haut débit.
• Être capable de choisir la technologie adaptée à son projet.
• Connaître les outils bio-informatiques utilisés.
• Connaître les analyses statistiques possibles.

1. Méthodes moléculaires
   • Séquençage HTS.
   • Métagénomique ciblée.
   • Métagénomique globale.
   • Analyses RNA-seq.
   • CRISPR/Cas9.
2. Applications en écologie microbienne
   • Extraction d’ADN microbien.
   • Analyse bioinformatique des séquences.
   • L’analyse de données :
     • Diversité, cluster, réseau, core-microbiome

Process et métiers des laboratoires

EndNote : outil de gestion bibliographique et de publication

• Créer sa base de données bibliographique
• Organiser et gérer ses références avec EndNote
• Alimenter sa base avec de nouvelles références par différents exports : DOI, PDF, sites web,…
• Citer ses références bibliographiques avec EndNote et publier des documents avec Microsoft Word, des articles contenant des références bibliographiques
• Echanger et partager ses références

1. Prendre en main le logiciel EndNote : présentation du logiciel et prise en main (30 min)
2. Importer des références vers EndNote depuis différentes sources et différents formats : DOI, PDF, bases de données, site web,… exercices concrets avec imports de différents formats de documents, navigation sur internet pour rechercher de nouveaux documents (1h30)
3. Saisir manuellement de références : exercices (15 min)
4. Joindre des documents (pdf, photos, graphique,…) à vos références (15 min)
5. Organiser votre bibliothèque EndNote (notion de groupes) présentation, exercice et cas concrets (30 min)
6. Gérer sa bibliothèque (doublon, lien vers texte intégral, personnalisation du logiciel, …) : présentation, exercices (30 min)
7. Intégrer des citations dans un document ou un article avec le logiciel Word (insérer des références, utiliser des modèles, notion de style bibliographique) présentation, exercices, cas concrets (2h)
8. Constituer des bibliographies thématiques en fonction des besoins : exercices (30 min)
9. La notion de style et personnaliser un style : exposé théorique, explication, exercices (30 min)
10. Echanger et partager ses références : exposé théorique et exercices (30 min)

Publication Publication Distanciel Distanciel Distanciel Distanciel Distanciel Distanciel Distanciel Distanciel Distanciel Distanciel Distanciel Distanciel Distanciel Distanciel Distanciel Distanciel Distanciel Distanciel Distanciel Distanciel Distanciel Distanciel Distanciel Distanciel Distanciel Distanciel Distanciel

Mettre en place sa veille scientifique et technologique dans un projet innovant

• Réussir la mise en œuvre de la veille scientifique, technique et technologique d’un projet.
• Connaître le cycle de veille et organiser son plan de veille.
• Organiser les différentes étapes de la veille concrètement.

1. Se familiariser avec les bases du cycle global de la veille scientifique, présentation théorique et présentation des projets individuels (30 min)
2. Identifier les étapes clés du processus de veille scientifique, présentation et exercice pratique (30 min)
3. Méthodologie de recherche d’informations scientifiques, techniques et technologiques : exposé théorique et exercice de mise en pratique (30 min)
4. Bien définir ses besoins, son périmètre et ses axes de recherche exercice pratique : exercice de mise en pratique  (1h30)
5. Organiser une veille ciblée cas concret (30 min)
6. Bien choisir ses sources : les différents moteurs de recherche scientifiques, les bases de données et la littérature grise exercice , fiche technique, fiches conseil(1h30)
7. Choisir et analyser les informations importantes au projet présentation théorique (30 min)
8. Evaluer et gérer les informations (15 min)
9. Diffuser sa veille : présentation (30 min)
10. Point sur les outils de veille : présentation (15 min)
11. Ajuster et mener des actions correctives sur le projet : théorie (30 min)

 

Communication et rédaction scientifique Publication Distanciel

Analyse des données épidémiologiques avec STATA

• Utiliser des outils d’épidémiologie et de bio statistique pour décrire, surveiller et étudier les déterminants de la santé de la population.
• Acquérir les connaissances statistiques clés nécessaires à la réalisation de recherches valides
• Décrire et résumer les données
• Élaborer des hypothèses et analyser les données.
• Interpréter et communiquer les résultats

 

STATA est un logiciel de statistiques et d’économétrie largement utilisé par les économistes et les épidémiologistes. Dans le domaine de l’analyse des données de santé, avec ses commandes dédiées, STATA permet de réaliser des analyses épidémiologiques de base, de générer les tables préliminaires et les calculs nécessaires aux études de cohorte ou de cas-témoins.

STATA permet également d’utiliser une panoplie de méthodes statistiques très diversifiées largement utilisées dans le domaine de l’analyse des données épidémiologiques. Que vous meniez des recherches sur les maladies infectieuses, que vous enquêtiez sur l’exposition à des agents pathogènes ou que vous étudiiez des maladies chroniques, STATA fait partie de l’ensemble des logiciels les plus adaptés pour gérer vos données, pour disposer des outils statistiques nécessaires à vos projets de recherche.

Il vous offre également la possibilité de créer des graphiques de qualité afin que vous puissiez publier clairement vos résultats.

 

1. Analyses bio-statistiques de base

Rappels sur le logiciel STATA et sur la manipulation des données

Analyses univariées

• Analyse de données quantitatives : t-test, tests non paramétriques
• Analyse de données qualitatives : test de chi-deux, test de Fisher, test de Mc Nemar
• Corrélation : Pearson, Spearman

Tables épidémiologiques

• Tableau stratifié 2 × 2 et 2 × 2 pour les données longitudinales, d’étude de cohorte, cas-témoins et cas-témoins appariées
• Rapport de côtes, rapport d’incidence, rapport de risque, différence de risque et fraction attribuable
• Chi-carré, tests de Fishers exacts et mantel-Haenszel

Exercices

2. Détermination de la taille de l’échantillon

Calcul de la taille de l’échantillon,

Poids d’échantillonnage

Puissance statistique

Construire des groupes de comparaison valides

Exercices

3. Introduction aux modèles statistiques de base utilisés en épidémiologie

ANOVA, ANCOVA

Régressions linéaires simples et multiples

Introductions aux notions de confusion, de modification et de médiation

Régression logistique

Exercices

4. Analyse de survie

Analyse des données de durée : mise en forme des données, censure (droite et gauche), troncature (droite et gauche)

Modèle de Kaplan-Meier et taux de hasard

Modélisation de la survie en fonction des covariables à l’aide de modèles de régression de Cox, Weibull, lognormal et autres.

Prédire les rapports de risque

Exercices

Statistiques théoriques et appliquées Statistiques théoriques et appliquées Statistiques théoriques et appliquées Statistiques théoriques et appliquées Statistiques théoriques et appliquées Statistiques théoriques et appliquées Statistiques théoriques et appliquées Statistiques théoriques et appliquées

Biostatistiques avec R

• Apprendre à utiliser le logiciel R pour analyser des données
• Être capable de comprendre et choisir le test statistique approprié
• Savoir représenter des données sous R

• Comprendre les statistiques
  • Logiques de raisonnement et hypothèses.
• Notions de base pour utiliser R en statistiques
  • Les fondamentaux du logiciel R.
  • La création de variables et la manipulation de données.
• Choisir le test approprié
  • Loi normale et homoscédasticité.
• Comparaison de moyennes
  • Tests paramétriques.
  • Tests non paramétriques.
• Les analyses multivariées
  • Coefficient de corrélation de Pearson.
  • L’analyse en composantes principales (ACP)

Analyse Chimie / Bio Open Source Statistiques théoriques et appliquées Intra-entreprise Intra-entreprise Intra-entreprise Intra-entreprise Français Italien Français Français