Objectifs

Formation orientée sciences de la vie, axée sur les approches data driven et la science des données, ainsi que  la manière dont elles font évoluer les professions.

Public cible

Travailleurs.ses des sciences de la vie.

Prérequis

Pas de prérequis en matière de Data science mais avoir soit une formation au sein du secteur, soit une expérience suffisante en cas d’absence de diplôme relevant.

Programme

• Date 1 (2h - online)
  • Importance de la science des données aujourd'hui et demain
  • Rôle dans la chaîne de valeur en général et dans le secteur des sciences de la vie en particulier
  • Rôles dans la sciences des données et spécificités: Data analyst, data engineer, data scientist, ...
• Date 2 (2h - online)
  • Introduction à la théorie (minimale), compréhension de la distribution normale et des techniques permettant d'identifier et de traiter efficacement les valeurs aberrantes
  • Perpectives de l'analyse des données, de l'IA et du machine learning au sein du secteur des sciences de la vie
• Dates 3 et 4 (7h présentiel)
  • Outils et technologies utilisés en science des données: Python, R, SQL, ... (rôle de chacun pour les différents aspects de la science des données)
  • Communication et diffusion plus efficaces des résultats avec les collègues, promotion de la prise de décision fondée sur les données au sein de l'organisation et mise en œuvre de nouveaux processus décisionnels
  • Exemples de cas d'utilisation de DS dans des entreprises du secteur des sciences de la vie qui se ressemblent vraiment
  • Comment démarrer une démarche Data Science en entreprise? 
    • Approfondissement sur la manière de traiter les données de mauvaise qualité
    • Valeurs manquantes, valeurs aberrantes, problèmes de type de données, doublons, ...
    • Meilleure compréhension du traitement des séries temporelles (+ ingénierie des caractéristiques) et des données catégorielles
    • Visualisation efficace des données discrètes et continues (très pertinent pour le secteur de la fabrication biopharmaceutique)
    • Exemples de cas d'exploitation du tri des données dans des entreprises de sciences de la vie similaires à la réalité
• Date 5  (7h - présentiel) - Etat de l'art des principaux outils en Data Science
  • Quel langage de programmation pour quelle utilisation ?
  • Y compris le concept de Feature Engineering (interactions, binning, agrégations, caractéristiques temporelles, log, normalisation, encodage, ...)
  • Workshop en petits groupes avec une courte présentation de chaque groupe pendant la dernière heure 
  • Plusieurs exercices pour tester les connaissances sur des sujets spécifiques (par exemple, la mauvaise qualité des données, les séries temporelles, ...)

Informations pratiques

• 5 jours
• Horaires variables (voir programme)
• Ce qu'il faut apporter:

La première et 2e date se donne en distanciel (online). Les autres dates sont en présentiel.

Coûts

Plus d'information?