[18 jours] - [Français]
Vous voulez vous réorienter dans le secteur des biotechnologies en vous formant à l’analyse de données ?
Les sciences du vivant et la médecine connaissent actuellement un changement dans les liens avec l’ensemble des autres disciplines scientifiques dont les statistiques. D’une part, la modélisation mathématique devient un outil central d’analyse, de prédiction et d’intégration en biologie et médecine, d’autre part les récents progrès biotechnologiques permettent aux biologistes et médecins d’accéder à des données très massives requérant des traitements statistiques sophistiqués.
Objectifs de la formation
L’objectif immédiat du certificat est de permettre au public cible de développer des compétences spécifiques et appliquées dans le domaine de l’exploration et l’exploitation de données, en allant de la planification de la récolte des données et à des analyses pointues jusqu’à la communication des connaissances qui en découlent.
L’objectif à plus long terme est que les participants développent l’aptitude à s’auto-former dans le domaine très spécifique des statistiques appliqués aux laboratoires de recherche dans l’industrie pharmaceutique, chimique et agroalimentaire.
Prérequis
Le candidat participant qui souhaite suivre le programme du présent certificat devra attester d’être en possession d’un titre de master/licencié, (bio)ingénieur ou docteur en chimie, biologie, biochimie, biologie médicale, biotechnologie, agronomie, sciences pharmaceutiques et biomédicales, agro-alimentaire. En l'absence de titre requis, une admission par valorisation des acquis de l'expérience est envisagée.
Contenu
Tarif
Cette formation est reconnue par l'IABE et permet de ce fait aux participant·es d'obtenir des points CPD.
(Ceci est d'ailleurs vrai pour l'entièreté de l'offre de formations du SMCS.)
Outils utilisés durant la formation
SAS / JMP
Méthodes et familles de méthodes abordées
Préparation des données
Nettoyage et préparation du jeu de données pour l'analyse statistique
Statistique descriptive
Statistiques descriptives
Tableaux résumés
Graphiques
Analyses multivariées exploratoires
ACP - Analyse en composantes principales
AFC - Analyse factorielle des correspondances simples
ACM - Analyse (factorielle) des correspondances multiples
AFM - Analyse factorielle multiple
Analyse discriminante
Clustering
Arbres de classification
Statistique non paramétrique
Tests non paramétriques de comparaisons de moyenne
Tests de proportion et d'ajustement
Indices et tests de la relation entre variables qualitatives ou quantitatives non distribuées normalement
Statistique paramétrique de comparaison de moyennes
Test t de Student
ANOVA
ANOVA à mesures répétées
ANCOVA
Modèle de régression
Inférence sur un coefficient de corrélation linéaire
Régression linéaire simple
Régression logistique
Régression de Poisson
Régression multinomiale et ordinale
Régression non linéaire
Régression linéaire multiple
Régression PLS
Utilisation de logiciels
Utilisation des logiciels