Ce cours offre une approche d’apprentissage par la pratique dans le domaine des sciences des données en santé. L'objectif pour les étudiants est d’être capable d'identifier et de mettre en oeuvre 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 quatre travaux personnels réalisés en petits groupes de travail. Le cours magistral sert à présenter 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.

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.