- Enseignant: Bertrand Radiguet
- Enseignant: Elena Zapolsky
Résultats de la recherche: 4140

- Enseignant: Rodrigue Larde
- Enseignant: Sylvain Le Brozec
- Enseignant: Denis Ledue
- Enseignant: Bertrand Radiguet
- Enseignant: Lorenzo Rigutti

- Enseignant: Bertrand Radiguet
- Enseignant: Lorenzo Rigutti
- Enseignant: Bertrand Radiguet
- Enseignant: Elena Zapolsky
- Enseignant: Jean Juraszek
- Enseignant: Jean-Marie Le Breton
- Enseignant: Bertrand Radiguet
- Enseignant: Cristelle Pareige
- Enseignant: Rodrigue Larde
- Enseignant: Denis Ledue
- Enseignant: Bertrand Radiguet
Objectifs :
L'étudiant devra apprendre à maitriser la statistique bivariée tout d'abord en comprenant la notion de corrélation puis en s'appropriant les différentes étapes de la modélisation statistique, du choix du modèle à son utilisation en passant par la validation et la qualité de ce modèle.
Contenu :
_ Corrélation entre deux variables (Pearson, Spearman): notion et tests de corrélation.
_ Régression linéaire simple : les différentes étapes de la modélisation sur des exemples.
_ ANOVA : tests de comparaisons de plusieurs moyennes
_ Régression non-linéaire simple et problème de choix de modèles.
La totalité de l'enseignement se fera en salle machine en utilisant le logiciel R. L'enseignement se fera par des études de cas : présentation du problème biologique, du protocole expérimental et des données obtenues puis un traitement statistique.
- Enseignant: Caroline Berard
- Enseignant: Sahil Adriouch
- Enseignant: Fabrice Morin
- Enseignant: Valerie Perrot
- Enseignant: Yossan-Var Tan
- Enseignant: Olivier Wurtz
- Enseignant: Sahil Adriouch
- Enseignant: Antoine Ouvrard-Pascaud
- Enseignant: Nesrine Gargouch
Évaluation : Devoir Maison + CC écrit
Programme :
• Statistique exploratoire multidimensionnelle : ACP, AFC.
• Classification supervisée : arbres de décision, k-plus proches voisins.
• Classification non supervisée : Kmeans, CAH, Modèles de mélange.
• Mise en œuvre sous R. Manipulation du logiciel R, fonctions graphiques pour l'exploration et l'analyse de données.
Pré-requis :
• savoir : bases d'algèbre linéaire, diagonalisation de matrices, changement de bases.
• savoir-faire : logiciel R.
• équivalent UE existante : M1S1 Algèbre linéaire.
- Enseignant: Caroline Berard

- Enseignant: Sahil Adriouch
- Enseignant: Serguei Fetissov
- Enseignant: Yossan-Var Tan
- Enseignant: Olivier Wurtz
- Enseignant: Komlan Epe-Nsin Merveilles Agbeti-Messan
- Enseignant: Mathieu Blossier
- Enseignant: Thierry Paquet
- Enseignant: Lucas Preel
- Enseignant: Tom Simon
- Enseignant: Joseph Assaker
- Enseignant: Laurent Heutte

- Enseignant: Simon Bernard
- Enseignant: Mathieu Blossier
- Enseignant: Hugo Hamon

- Enseignant: Maxime Berar
- Enseignant: Mathieu Blossier
- Enseignant: Sébastien Adam
- Enseignant: Mathieu Blossier
- Enseignant: Marc Fromentin
- Enseignant: Aldo Moscatelli
- Enseignant: Benoist Gaston
- Enseignant: Maxime Berar
- Enseignant: Zoe Lambert
- Enseignant: Romain Mussard

- Enseignant: Simon Bernard
- Enseignant: Aldo Moscatelli
- Enseignant: Alix Breard
- Enseignant: Sebastien Balieu
- Enseignant: Nadege Follain
- Enseignant: Joelle Randriamiarana
- Enseignant: Slim Souissi
- Enseignant: Lydie Jeandel
- Enseignant: Sylvie Renouf
Série de quatre UE à chaque semestre du master. Elles sont dédiées à la préparation des démarches professionnelles.
- M1 S1 - Environnement professionnel 1 - Métiers de la Bioinformatique du M1S1 (10h TD + travail personnel; 1 CE) présente les domaines et les carrières en bioinformatique, accompagne la recherche du stage de S2 des M1BIMS/M2CCB4 et prépare dans le même temps à l'alternance en M2 BIMS : recherche d'un stage conventionné en alternance (formation initiale) ou d'un contrat d'apprentissage (apprenti).
- Enseignant: Hélène Dauchel
- Enseignant: Hélène Dauchel



