Accèder directement au contenu

Advanced Data Analysis

Master in Life Science, ENS
BIO_M2_E40 | Advanced Data Analysis
Year and Semester : M2 | S1
Where : Biology department, ENS
Duration : 2 weeks Course/TD
Dates : January 6-17, 2025
Maximum class size : 14 students

—2024-2025 programme to come—

Coordination

Clément Léna, ENS
Amaury, Lambert, ENS

[fr]

Crédits

6 ECTS

Mots clés

Data analysis | Machine Learning | Clustering | Dimensionality reduction | Mixed-effect models | Bayesian statistics | Time series | Regressions | Spectral analysis.

Prérequis pour le cours

Module M1 d’Analyse des Données : statistiques inférentielles de base (test t, anova), approches élémentaires de réduction de données, régression linéaire.
Compétences en programmation : connaissances de base en programmation, opérations simples en python et R.

Objectif et description du cours

Themes : La biologie moderne fait un usage intense de diverses techniques d’analyse de données destinées à quantifier, comparer, trier, étudier l’évolution dans le temps ou l’espace, etc.
Objectifs : L’objectif de ce module est de présenter un ensemble d’approches utilisées dans de nombreux champs de la biologie et de s’initier à leur mise en œuvre par des outils logiciels standards (librairies python et R) afin de pouvoir être rapidement capable de traiter de ses données (par exemple en stage).
Organisation : Ce nouveau module combinera des cours d’introduction méthodologique, des présentations de mise en œuvre scientifique, des travaux dirigés en salle informatique et des projets personnels.

Évaluation

Évaluation du projet personnel et examen de cours

Support de cours

hand-outs | software notebooks.

Lectures suggérées en relation avec le module

À préciser.

[en]

Credits

6 ECTS

Keywords

Data analysis | Machine Learning | Clustering | Dimensionality reduction | Mixed-effect models | Bayesian statistics | Time series | Regressions | Spectral analysis.

Course prerequisites

M1 module of Data Analysis : basic inferential statistics (t-test, anova), simple data reduction, linear regression.
Programming skills : basic knowledge in programming, simple operations in python and R.

Course objectives and description

Themes : Modern biology makes extensive use of various data analysis techniques to quantify, compare, sort, study evolution in time or space, etc.
Aims : The objective of this module is to present a set of approaches used in many fields of biology and to learn how to implement them with standard software tools (python and R libraries) in order to be able to quickly process one’s own data (e.g. in an internship).
Organisation : This new module will combine introductory methodology courses, scientific implementation presentations, computer room tutorials and personal projects.

Assessment

Evaluation on personal project and final exam on the course contents.

Course material

Hand-outs | software notebooks.