Formation en analyse de données et statistiques pour la recherche et le développement dans la bioindustrie

[34 jours] - [Français]

Vous voulez vous réorienter dans le secteur des biotechnologies ? L'analyse de données est un métier d'avenir.

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
Au terme de cette formation, le participant sera capable de gérer et d'analyser des données de laboratoires, d'essai clinique ou toute donnée provenant d'activité au sein d'une entreprise de biotechnologie.

Prérequis
Pour vous inscrire à cette formation, vous devez avoir un Master dans le domaine des sciences du vivant.

Contenu

• Remise à niveau en matière de statistique de base
• Apprentissage du logiciel d’analyse statistique JMP
• Apprentissage du langage de programmation R
• Apprentissage du logiciel SAS
• Principes de modélisation statistique
• Principes et étapes à suivre en méthodologie de la planification expérimentale
• Revue et application de diverses analyses multivariées
• Quantification de l’incertitude d’une mesure, méthodes de détermination, validation d’une méthode de mesure,
• Application des statistiques dans le domaine de la biologie et de la médecine
• Contrôle de qualité et statistiques impliquées

Tarif
Cette formation est agréée chèques-formation de la Région Wallonne.
Si vous souhaitez utiliser des chèques-formation dans le cadre de votre inscription, veuillez prendre contact avec notre secrétariat. Merci de consulter préalablement la page suivante pour de plus amples informations.

Outils utilisés durant la formation
SAS / JMP

Méthodes et familles de méthodes abordées
Planification
   Plan d'expériences
   Calcul de taille d'échantillon
   Calcul de puissance
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
Modèle mixte
   Modèle linéaire mixte
   Modèle généralisé mixte
Analyse de survie
Contrôle statistique de qualité
   Run charts et cartes de contrôle
   Analyse de la capabilité d'un procédé
   Contrôle de réception
Utilisation de logiciels
   Utilisation des logiciels