Catalogue de formation

Vous trouverez ici notre catalogue de formations ‘sur étagère’: les programmes qui servent de base et de repères pour ce que nous pouvons réaliser ensemble.

Certaines de ces formations correspondent à des problématiques très précises et répondent à un besoin circonscrit, comme les formations sur une méthode spécifique abordée via le prisme d’un logiciel ; d’autres peuvent s’associer afin de composer un véritable parcours de formation modulaire qui assure une montée en compétences progressive.

Toutes nos formations sont proposées en intra-entreprise, c’est à dire pour une personne, une équipe ou un établissement en particulier: elles peuvent être adaptées à vos contraintes et à vos objectifs dans le cadre de formations sur-mesure.

Plusieurs formations sont aussi proposées en sessions inter-entreprise, c’est-à-dire que vous pouvez décider de vous inscrire individuellement, en toute liberté, à une session proposée à notre calendrier. Bien que les informations disponibles pour chacune de ces formations tentent d’être exhaustives, si vous aviez des questions ou des doutes quant au niveau ou aux prérequis, nous nous ferons un plaisir de valider ensemble l’adéquation entre le programme et votre objectif.

N’hésitez à nous consulter pour déterminer ensemble la forme que prendra votre projet de formation

Nos formations inter-entreprise se tiennent pour l’instant en classe virtuelle, et vous pouvez bénéficier durant toute leur durée de l’accès à notre plateforme de formation dédiée : un espace où participer aux sessions, accéder aux contenus pédagogiques, vous documenter, participer aux sessions, échanger avec les autres apprenants, et plus encore.

Nos conditions Générales de Vente formations sont téléchargeables ci-dessous :

Public en situation de handicap

Nous avons entrepris des démarches afin de nous adapter et conscientiser nos équipes et partenaires autour d’une approche globale du handicap, Nous œuvrons pour plus d’inclusivité et pour garantir l’égalité des chances et d’accès à nos parcours de formation, quelle que soit la situation des apprenants.

N’hésitez pas à nous faire part de vos besoins spécifiques. Nous n’aurons peut-être pas la solution d’emblée, mais nous mettrons tout en œuvre pour fournir une réponse individualisée et vous accueillir dans les meilleures conditions.

Pour plus d’informations, vous pouvez contacter notre Référent Handicap en vous adressant à formation(at)ritme.com.

Analyse
Biostatistiques avec R
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 Français Italien Français Français
Formation modulaire à NVivo - Découvrir Nvivo
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

  1. 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

  1. 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
Séries temporelles avec R
Séries temporelles avec R
  • Savoir traiter les séries temporelles avec R

Introduction

  • Tendances et composantes saisonnières
  • Indices descriptifs d’une série temporelle

Lissages exponentiels

  • Lissage simple
  • Lissage double

Estimation et élimination de la tendance et de la saisonnalité

  • Bruit blanc
  • Processus stationnaire
  • Estimation paramétrique de la tendance
  • Estimation non paramétrique
  • Elimination de la tendance et de la saisonnalité

Modélisation des séries stationnaires

  • Auto-corrélation partielle
  • Les processus auto-régressifs
  • Les processus en moyenne mobile
  • Les processus mixtes ARMA
  • Tableau des propriétés
  • Estimation et choix de modèle
  • Processus ARIMA et SARIMA
Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Analyse Blended
Chimie / Bio
Biostatistiques avec R
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 Français Italien Français Français
Séquençage haut débit et écologie microbienne
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
Chimie / Bio Chimie / Bio Chimie / Bio Chimie / Bio 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
Communication et rédaction scientifique
Communication orale en anglais pour conférences scientifiques
Communication orale en anglais pour conférences scientifiques
  • Être capable de parler en anglais avec confiance en soi devant un public scientifique
  • Savoir utiliser son corps (respiration, position, posture, gestes) pour rythmer son discours
  • Savoir se projeter dans l’espace et attirer l’attention des spectateurs en donnant de l’autorité à son discours
    Identifier ses points faibles et forts avec l’aide des autres participants
  • Savoir synthétiser de l’information pour la rendre plus dynamique
  • Savoir utiliser sa présentation comme tremplin pour s’exprimer et non pas comme une béquille
  • Préparer une argumentation pour étayer son discours et répondre aux questions rapidement
  • Être plus spontané en anglais et gérer les questions.

Journée 1

  • Introduction et objectifs du stage
  • Parler d’un sujet avec conviction – communiquer l’intérêt
  • Exercices de prononciation – intonation
  • Présentation des qualités requises pour une bonne communication orale par l’animateur
  • Pourquoi ce vous voulez dire est important – pour qui ?
  • Exprimer cette importance Le fond du problème – décrire le contexte de votre recherche – 3/4 diapositifs
  • PowerPoint Identification des faiblesses : clarté, cadence du discours trop lente/rapide, …
  • L’utilisation du corps (langage corporel) pour aider le discours Séance de débat sur des sujets controversés – réagir aux propos de l’autre – mettre en avant ses propres idées
  • Expliquer sa méthode sur le tableau – mettre en phase ce qu’on dit avec ce qu’on fait avec son corps (dessiner – écrire – regarder)
  • Répondre aux questions

Journée 2

  • Exercices de prononciation – intonation
  • Présentation par l’animateur
  • L’importance de l’autorité dans la prise de parole en public
  • Comment synthétiser son discours
  • Présenter ses résultats – comparaisons – contrastes – causes et effets
  • Utilisation de courbes, histogrammes, … mise en exergue des points importants
  • Identification des difficultés de communication non résolus – comment les contourner
  • Les perspectives de sa recherche – spéculer sur les suites
  • Nouvelle présentation par l’animateur
  • Communication finale – chaque stagiaire dois parler pour au moins 15 minutes sans arrêter sur leur travail avec un support PowerPoint, puis répondre aux questions des autres participants et le formateur.

Le temps prévu pour chaque activité dépend de l’avancement de chaque participant.

 

Communication et rédaction scientifique Communication et rédaction scientifique
Mettre en place sa veille scientifique et technologique dans un projet innovant
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 Intra-entreprise Inter-entreprise Intra-entreprise Inter-entreprise Intra-entreprise Inter-entreprise Intra-entreprise Distanciel
Rédaction d’articles scientifiques en anglais
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 Inter-entreprise Présentiel Présentiel Présentiel Présentiel Anglais Anglais Anglais
Data Science
Machine Learning Avancé
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 Data Science Data Science Data Science Data Science Data Science Data Science Data Science Data Science
Outils avancés - Python
Outils avancés - Python
  • Approfondir les outils permettant de représenter et manipuler des données complexes, utiliser efficacement la librairie pandas, importer des sources de données (CSV, JSON, XML, SQL), réaliser un modèle de régression linéaire simple ou multiple avec la librairie statmodels, perfectionner ses connaissances de matplotlib et savoir utiliser seaborn ou plotly..
  • À l’issue de cette formation, le participant doit être en mesure d’importer voire de fusionner des sources structurées ou non structurées de données, d’appliquer des traitements avancés sur les données quantitatives et qualitatives et de construire des graphiques statiques ou dynamiques élaborés.

JOUR 1 

  • Les traitements avancés des données :
    • La librairie numpy :
      • les fonctions avancées (views, slices)
      • l’interface avec scipy
    • La librairie pandas :
      • L’importation de sources de données externes,
      • L’agrégation de données,
      • Le reshaping,
      • L’indexation,
      • La fusion de sources de données
    • La librairie statmodels :
      • La régression simple et multiple,
      • Les tests des coefficients de régression,
      • Le diagnostic du modèle,
      • La prédiction ponctuelle et par intervalle
    • Le traitement des chaînes de caractères, regex
    • Le traitement des dates et gestion des séries chronologiques

JOUR 2

  • Les générateurs, itertools, lazy evaluation
  • L’interface base de données (SQL, NoSQL)
  • Le package Seaborn : les fonctionnalités graphiques avancées (graphiques en trellis, distributions statistiques, heatmap)
  • Les graphiques interactifs avec le package Bokeh et Plotly

 

Data Science
Économétrie / Finance
Découverte du logiciel Stata : Stata Deb1 – Stata Deb4
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 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
Stata, traitement des dates et analyse des séries temporelles : Series Temp 1 et 2
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
Économétrie / Finance
Ingénierie et développement
Environnement de développement en Data Science
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 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
Origin : Programmation
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
Management du changement
Innover avec le design thinking
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 Process et métiers des laboratoires Coaching Coaching Coaching Coaching
Management Agile des projets scientifiques
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
Open Source
Biostatistiques avec R
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 Français Italien Français Français
Outils avancés - R
Outils avancés - R
  • Approfondir les outils permettant de représenter et manipuler des données complexes, découvrir les packages dplyr et data.table pour optimiser les traitements de données, importer des sources de données (CSV, JSON, XML, SQL), réaliser un modèle de régression linéaire simple ou multiple avec le package {stats}, perfectionner ses connaissances des graphiques et savoir utiliser ggplot2 ou plotly.
  • À l’issue de cette formation, le participant doit être en mesure d’importer voire de fusionner des sources structurées ou non structurées de données, d’appliquer des traitements avancés sur les données quantitatives et qualitatives et de construire des graphiques statiques ou dynamiques élaborés.a

JOUR 1

  • L’ importation de sources de données externes avec les packages {base}, {foreign} et {haven}
  • Les outils pour optimiser les traitements de données, {data.table} et {dplyr} :
    • La manipulation avancée des data frames,
    • L’aggrégation de données,
    • Le reshaping,
    • L’indexation,
    • La fusion de sources de données
  • La réalisation d’un modèle de régression linéaire simple ou multiple avec le package {stats} :
    • La régression simple et multiple,
    • Les tests des coefficients de régression,
    • Le diagnostic du modèle,
    • La prédiction ponctuelle et par intervalle

JOUR 2

  • Le traitement des chaînes de caractères, regex
  • Le traitement des dates et gestion des séries chronologiques
  • L’approche fonctionnelle et lazy evaluation
  •  L’interface base de données (SQL, NoSQL)
  • Les fonctionnalités graphiques avancées avec le package {ggplot2} :
    • Les graphiques en trellis,
    • Les distributions statistiques,
    • Représentation de données avec le heatmap
  • Construction de graphiques statiques ou dynamiques élaborés interactifs avec les packages {ggvis} et {plotly}
Open Source Open Source Open Source Open Source Open Source Open Source Open Source Open Source Open Source Open Source
Process et métiers des laboratoires
Innover avec le design thinking
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 Process et métiers des laboratoires Coaching Coaching Coaching Coaching
Séquençage haut débit et écologie microbienne
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
Chimie / Bio Chimie / Bio Chimie / Bio Chimie / Bio 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
Publication
EndNote : outil de gestion bibliographique et de publication
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
Mettre en place sa veille scientifique et technologique dans un projet innovant
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 Intra-entreprise Inter-entreprise Intra-entreprise Inter-entreprise Intra-entreprise Inter-entreprise Intra-entreprise Distanciel
Statistiques théoriques et appliquées
Analyse des données épidémiologiques avec STATA
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

  1. 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

  1. 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

  1. 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
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 Français Italien Français Français
Filtres
Catégorie
Type de formation
Modalité
Langue

Vous recherchez des informations sur une formation ?

Vous souhaitez mettre en place une session de formation sur mesure ?

Contactez notre équipe pédagogique !

ChemDraw & ChemOffice
ChemDraw s’est imposé depuis longtemps comme la référence des logiciels de dessin de structures moléculaires. Afin de proposer à chaque utilisateur l’outil adapté à ses besoins, le logiciel existe maintenant en trois versions : ChemDraw Prime, ChemDraw Professional et ChemOffice+ Cloud. Cette déclinaison permet de satisfaire les besoins de tous les chercheurs, étudiants et professeurs impliqués dans la chimie et les domaines connexes. ChemDraw Professional pour Mac et ChemOffice+ Cloud intègrent maintenant un cahier de laboratoire électronique accessible via le cloud, permettant de collaborer facilement et sans contraintes.