Biostatistiques avec R

Échanger avec les participants sur leurs pratiques de NVivo et approfondissement des connaissances et compétences suivantes :

• Maitriser l’environnement NVivo.
• Gestion des sources
• Gestion des cas
• Codage des sources
• Requêtes et matrices
• Documenter son analyse ; mémos, annotations et liens à.
• Visualisation et exportation
• L’importation et l’utilisation des données provenant des réseaux sociaux et du web
• Le travail collaboratif et la comparaison d’encodeur.

• Décrire le fonctionnement d’une IA générative (IAG) pour pouvoir en optimiser l’utilisation dans son travail quotidien
• D’appliquer les méthodes de prompt engineering pour utiliser efficacement les outils d’IAG
• D’identifier des cas d’usage dans son environnement professionnel

• Comprendre les fondamentaux de l’IA générative et ses applications
• Maîtriser les techniques d’analyse qualitative assistées par IA
• Utiliser l’IA pour l’analyse et la présentation des données qualitatives

• Apprendre les règles inerrantes à la rédaction d’un article scientifique
• Comprendre le fonctionnement des IA Génératives e et maitriser le Prompt Engenering
• Utiliser l’IA pour la rédaction d’article : aide à la structure, reformulations, traductions…

• Comprendre l’IA Générative, son fonctionnement et ses limites
• Parcourir les applications de l’IA Générative et les cas d’usages métiers pour les scientifiques
• Définir un plan d’intégration de l’IA Générative dans son équipe / laboratoire et prioriser les premières actions

• 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.

• Décrire le principe de fonctionnement général du Deep Learning et de l’Intelligence Artificielle Générative.

• Utiliser des techniques de prompting avancées pour répondre à des besoins métier.
• Synthétiser des articles et contenus scientifiques en produisant des résumés concis qui mettent en évidence les points clés et les conclusions principales.
• Améliorer sa veille technologique en configurant, personnalisant et automatisant des outils d’intelligence artificielle générative pour surveiller et résumer les dernières recherches publiées dans des domaines spécifiques.
• Identifier les points clés d’un domaine scientifique spécifique et détecter les sujets de recherche manquants nécessaires pour compléter un modèle théorique existant.
• Traduire des articles.

• Découvrer le principe de fonctionnement général du Deep Learning et de l’Intelligence Artificielle Générative et bénéficier du potentiel des outils d’IAG
• Utiliser des techniques de prompting avancées pour répondre à des besoins métier.
• Classifier les outils d’intelligence artificielle générative selon les médias mis en œuvre (text-to-text, text-to-image, etc.), et sélectionner le bon outil pour un cas d’usage précis.
• Produire des activités pédagogiques telles que des notes de cours, des guides d’étude, ou des résumés de chapitres pour aider les étudiants dans leur apprentissage.
• Concevoir des examens et des quiz à partir du contenu de formation développé pour les étudiants et gagner du temps dans la préparation de vos cours
• Générer des scénarios ou cas d’étude pour des travaux de groupe, basés sur des sujets d’actualité ou des avancées scientifiques pour décupler les possibilités d’animations de cours (contenu, ateliers de groupes, etc.)
• Adapter son enseignement et préparer ses apprenants à la révolution de l’IAG

• Acquisition de compétences en analyse d’images et en utilisation d’outils d’IA générative.
• Capacité à automatiser des tâches complexes d’analyse d’images grâce aux LLMs.
• Maîtrise de l’ingénierie des prompts pour obtenir des résultats précis et pertinents.
• Introduction à des solutions no-code pour des utilisateurs non techniques, facilitant l’accès à l’analyse d’images.

• Importer des données de formats variés
• Réaliser des graphiques et les personnaliser (styles, templates, thèmes)
• Traiter les données et automatiser les calculs
• Réaliser des ajustements de données, créer ses propres fonctions d’ajustement
• Détecter et déconvoluer des pics