Data Science in bioscience engineering - Partim A : spatial and temporal data

Enseignants

Bogaert Patrick; Hanert Emmanuel;

Langue
d'enseignement

Français

Thèmes abordés

Notion de dépendance spatiale/temporelle et son effet sur l'estimation en statistique. Quantification et modélisation de la dépendance. Théorie des champs aléatoires. Prédiction et simulation de données corrélées. Cartographie et systèmes prévisionnels.

Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :
1	Contribution de l'activité au référentiel AA (AA du programme) : M.1.1, M.2.1, M.2.3, M.5.4, M.5.6., M.6.2, M.6.5 Au terme de ce cours, l'étudiant est capable de : * Nommer,  décrire et expliquer les concepts théoriques relatifs à l'approche stochastique pour l'analyse et la modélisation de données spatiales et temporelles à caractère environnemental; * Expliquer les concepts mathématiques et manipuler les outils informatiques relatifs aux analyses statistiques exploratoires et inférentielles à appliquer à de telles données ; * Activer et mobiliser ces concepts et outils de manière opérationnelle en vue de réaliser l'analyse statistique et la modélisation stochastique de données issues d'un cas d'étude original, dans le cadre d'un projet de groupe ; * Justifier et défendre les choix méthodologiques qui ont été faits pour l'analyse complète du cas d'étude, en intégrant dans la discussion les concepts théoriques sous-jacents présentés lors du cours et illustrés lors des travaux pratiques ; * Rédiger un rapport concis, argumenté sur base des résultats et judicieusement illustré à l'aide de graphiques et de tableaux, en utilisant le vocabulaire scientifique précis et adéquat.

Contenu

Le cours complètera les notions de bases déjà acquises lors de l'enseignement des cours BIR 1212 - Probabilités et Statistique (I) et BIR 1315 - Probabilités et Statistique (II). L'étudiant sera à même de pouvoir analyser des données corrélées dans l'espace et dans le temps, qui sont fréquentes dans le domaine agro-environnemental. Le cours insistera sur le lien entre la théorie générale et les propriétés spécifiques des données environnementales. Il permettra à terme à l'étudiant de modéliser ces processus en vue de leur utilisation dans des outils de nature cartographique ou prévisionnelle.

Méthodes d'enseignement

En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.

Le support du cours sera composé de transparents et de lectures dirigées. Les exercices pratiques se feront en salle informatique à l'aide du logiciel Matlab ou R. Les étudiants réaliseront un traitement de données en groupes et ce travail fera l'objet d'un rapport à déposer avant l'examen et à défendre durant l'examen.

Modes d'évaluation
des acquis des étudiants

En raison de la crise du COVID-19, les informations de cette rubrique sont particulièrement susceptibles d’être modifiées.

L'examen est en deux parties : (1) partie écrite à livre fermé d'une heure, (2) partie orale d'une demi-heure durant laquelle les étudiants défendront leur rapport.

Autres infos

Ce cours peut être donné en anglais.

Ressources
en ligne

Moodle
Toutes les notes et documents relatifs aux travaux dirigés, aux séminaire et aux visites sont mis à disposition sur Moodle.

Faculté ou entité
en charge

AGRO