Ce cours offre une approche d’apprentissage par la pratique dans le domaine des sciences des données en santé. L'objectif est que les étudiants soient capables d'identifier et de mettre en œuvre les méthodologies adaptées pour répondre à des problématiques polyvalentes en lien avec les données de la recherche biomédicale.
Ce cours est organisé autour de la réalisation de trois travaux personnels réalisés en petits groupes de travail. Le cours magistral sert à introduire les notions indispensables à la réalisation des travaux personnels. Les TD sont des séances de travail collectif visant à accompagner l’avancée des travaux personnels.

Ce cours constitue une étape importante dans le développement de compétences techniques (capacité à préparer les données, capacité à tirer parti du machine learning et de l'intelligence artificielle,…) et personnelles (approche proactive de la résolution des problèmes, communication efficace, sensibilité métier, curiosité intellectuelle,…) en science des données de santé.
 

A l’issue de ce cours l’étudiant est capable de :
maîtriser les concepts-clés et le vocabulaire de base de la science des données en santé
être en capacité de préparer les données, les analyser, les présenter
savoir tirer parti du machine learning et de l'intelligence artificielle
avoir une approche proactive de la résolution des problèmes liés aux données de santé
se familiariser avec les problématiques de la recherche clinique

• https://scikit-learn.org/stable/
• https://keras.io
• Müller A.C. & Guido S., Introduction to machine learning with Python, O’Reilly , 2017.
• Chollet F. with Allaire J.J., Deep learning with R, Manning, 2018.