Digital tools

Cross-disciplinary program

Introduction to programming

  • Python scientifique - 32h - P. Augier, F. Thollard, L. Huder, C. Bonamy, M. Istas, E. Roubin, E. Maldonado - 1 session
    Connaître l'écosystème scientifique de Python
  • Initiation à la programmation pour non spécialistes - 21h - Agnès Souque - 1 session
    Ce module est une introduction à la programmation accessible aux grands débutants. Il s’adresse à l’ensemble des doctorant-e-s souhaitant apprendre à coder, notamment celles et ceux venant de domaines éloignés de l’informatique. Aucune connaissance en programmation n’est requise.
  • Traitement des données textuelles avec Python - 12h - Agnès Souque - 1 session
    Ce module a pour but d’apprendre à effectuer les traitements classiques sur des données textuelles (corpus de textes). Il abordera pour cela quelques notions du traitement automatique des langues (TAL), mais il ne s’agit pas d’une formation au TAL.
  • Introduction au langage Julia - 12h - Rémy Drouilhet - 1 session
    - Manipuler une session de travail julia.
    - S’initier à la programmation julia.
    - Se familiariser à l’écosystème des packages julia.
  • Introduction au logiciel SPSS – 12h - Eline Jongmans, Marie-Claire Wilhelm - 1 session
    - Faire découvrir les bases du fonctionnement du logiciel SPSS et permettre de s’en servir pour des analyses statistiques de base mais aussi d’autres plus spécifiques.
    - Les connaissances apportées doivent permettre de réaliser et savoir présenter les analyses de données majeures utiles pour communiquer ses données et résultats dans un article de recherche ou une thèse.

Tools for data processing, software development and scientific computing 

  • Les bases du système Linux pour le calcul scientifique - 9h - Frédéric Audra, Glenn Cougoulat - 1 session
    - Connaissances générales des systèmes Unix
    - Les fondamentaux de la ligne de commande
    - Connexion et travail sur une machine distante           
     
  • Gestion de projets et développements collaboratifs - Utilisation de la plate-forme gricad-gitlab - 9h - Franck Pérignon, Alizia Tarayoun - 1 session
    Fournir aux étudiants un ensemble de connaissances et de bonnes pratiques dans l’utilisation des outils de développement collaboratif.
     
  • Introduction aux formats de données et à la visualisation en calcul scientifique - Entrée-sorties parallèles – 9h - Caroline Bligny, Mondher Chekki, Albanne Lecointre, Franck Pérignon - 1 session
    L’objectif de ce module est de fournir aux étudiants un ensemble de connaissances et de bonnes pratiques pour la visualisation en calcul scientifique et la gestion de données dans un code de calcul.

  • Des sources à l’exécutable : la chaine de compilation - 9h - Violaine Louvet, Franck Pérignon - 1 session
    Apprendre à compiler et exécuter un code de calcul. L’idée est de bien comprendre toutes les étapes qui mènent à une librairie ou un exécutable (compilation, édition de lien etc) et de découvrir quelques outils liés à ces étapes (cmake, debug …)

  • Introduction au calcul parallèle - 36h - Céline Acary-Robert, Pierre-Antoine Bouttier, Glenn Cougoulat, Albanne Lecointre, Franck Pérignon, Violaine Louvet, Frédéric Audra - 1 session
    Donner une vue claire de ce qu’est le calcul parallèle et de ce qu’il peut apporter. Cette formation peut en particulier permettre d’acquérir les connaissances nécessaires pour choisir un modèle de programmation parallèle adapté à votre application et aux ressources de calcul disponibles.

Tools for data science

  • Introduction à la modélisation statistique bayésienne - 20h - Ladislas Nalborczyk - 1 session
    L’objectif de cette formation est de découvrir l’approche bayésienne. Les conceptions et outils qui seront introduits tout au long de la formation seront illustrés par des cas concrets d’analyse de données.
     
  • Bonnes pratiques en statistique : de la statistique descriptive à la modélisation - 12h - Vincent Brault, Sana Louhichi - 1 session
    - Acquérir les bases et les bons réflexes d’une étude statistique (en quoi le protocole est important ? Comment ne pas truquer les graphiques en voulant les rendre jolis ? Dans quel cas une médiane est-elle préférable à une moyenne ? Comment aller plus loin que juste regarder si la p value est plus petite que 5% ?)
    - Introduire les bases de l'estimation paramétrique, calculer un estimateur à l’aide de la méthode des moments et du maximum de vraisemblance et comprendre les qualités d'un estimateur.

  • Initiation à l’analyse de données avec R - 12h - Céline Péréa - 1 session
    - Utiliser R pour traiter des données (lire, nettoyer, visualiser, et analyser les données)
    - Utiliser, adapter, créer des notebooks R Markdown
    - Distinguer/reconnaître les différents types d’objets dans l’environnement RStudio
    - Distinguer/reconnaître les différents types de données
    - Appliquer différentes méthodes d’analyse de données
    - Développer son autonomie dans l’apprentissage du langage R
     
  • Introduction au Deep Learning - 14h - Jean-Luc Parouty, Soraya Arias, Eric Maldonado - 1 session
    - L'objectif est de proposer une introduction au Deep Learning, permettant d'en comprendre les bases et de pouvoir acquérir une première expérience de mise en œuvre, en s'appuyant sur les outils et moyens de l'IDRIS.
     
  • Outils statistiques pour Data Science - 36h - Massih-Resah Amini - 1 session
    - Le développement de l'apprentissage automatique a amélioré la croissance et l'importance de la science des données, et l'objectif de cette formation est de découvrir les principes et les principaux algorithmes en apprentissage illustrés sur une application phare qui est la recherche d'information.

Science Methodology

  • MOOC Recherche reproductible : principes méthodologiques pour une science transparente - 24h - inscription sur la plateforme FUN MOOC - 1 session
    Ce Mooc propose des principes méthodologiques pour une science ouverte et transparente. Il aborde de manière pratique la prise de notes, le document computationnel, la réplicabilité des analyses.
Updated on February 17, 2022