1. Accueil
  2. FR
  3. Étudier
  4. Offre de formation
  5. fcsante
Centre de Formation Continue en Santé et Sciences de la vie Université libre de Bruxelles FC-876

DATA-2.1 Analyse et visualisation de données biologiques à grande échelle avec Python (Large scale biological data manip

DATA-2.1 Analyse et visualisation de données biologiques à grande échelle avec Python (Large scale biological data manip

Accroche introductive

Apprendre à traiter de données biologiques à grande échelle en utilisant Python

Accéder aux sections de la fiche

Call to actions

  • Intitulé du programme
    DATA-2.1 Analyse et visualisation de données biologiques à grande échelle avec Python (Large scale biological data manip
  • mnémonique du programme
    FC-876
  • Programme organisé par
    • Centre de Formation Continue en Santé et Sciences de la vie
    • Université libre de Bruxelles
  • Type de titre
    formation continue
  • Accessible en reprise d'études
    oui
  • Type d'horaire
    En journée
  • Langues d'enseignement
    français
  • Durée de la formation
    courte (2 à 5 jours)
  • Catégorie / Thématique
    Santé - Sciences biomédicales et pharmaceutiques

Présentation

Détails

Informations générales

Type de titre

formation continue

Durée de la formation

courte (2 à 5 jours)

Langue(s) d'enseignement

français

Type d'horaire

En journée

Catégorie(s) - Thématique(s)

Santé - Sciences biomédicales et pharmaceutiques

Faculté(s) et université(s) organisatrice(s) Accessible en reprise d'études

oui

Tarifs :

  • Doctorant ULB: 190€
  • Secteur public / ASBL: 270€
  • Entreprise: 380€

Je m'inscris
Pas encore décidé·e à vous inscrire ? Restez au courant des actus de cette formation en remplissant ce formulaire.    

Vous faites partie du personnel ULB ? La formation pourrait correspond à votre parcours de carrière ? Contact : formations.drh@ulb.be
 
 

Formation continue

Intervenant :

  • Matthieu Defrance
    Université libre de Bruxelles

Contacts

02 555 85 17

biops@helsci.be

Je m'inscris
Pas encore décidé·e à vous inscrire ? Restez au courant des actus de cette formation en remplissant ce formulaire.    

Présentation

  • Comprendre les concepts fondamentaux de l'analyse et de la visualisation de données biologiques à large échelle
  • Maitriser les bibliothèques NumPy, SciPy, Pandas, Matplotlib et Seaborn pour manipuler et visualiser des données
  • Apprendre à importer, nettoyer et prétraiter des données biologiques
  • Acquérir des compétences pour effectuer des analyses statistiques sur les données biologiques à large échelle

En journée

2 sessions de 3 heures

Prochaines sessions : 
  • Jeu 14 décembre de 13h3 à 16h30
  • Ven 15 décembre de 09h30 à 12h30
Restez au courant des actus de cette formation en remplissant ce formulaire.    

Calendrier & inscriptions

Pré-requis

  • Notions de programmation élémentaires
  • Notions de statistiques descriptives.   

Calendrier & inscriptions

Je m'inscris
Pas encore décidé·e à vous inscrire ? Restez au courant des actus de cette formation en remplissant ce formulaire.    

Programme

1. Introduction aux données biologiques à grande échelle

  • Exemples de données (Transcriptomique, Génomiques, ...)
  • Variables et Observations (Catégorielles / Quantitatives)
  • Structures de données : tables, hiérarchiques, graphes, hybrides
  • Problème de la dimensionnalité des données
  • Limites et contraintes de l'analyse de données à grande échelle

2. Outils pour l'analyse et la visualisation de données

  • Formats de fichiers, conversion, reformatage, compression
  • Présentation des différentes bibliothèques disponibles
  • Utilisation des bibliothèques NumPy et SciPy pour l'analyse
  • Manipulation et transformation de données avec Pandas
  • Visualisation des données avec Matplotlib et Seaborn

3. Analyse exploratoire de données à large échelle

  • Statistiques descriptives appliquées aux données à large échelle
  • Analyse des covariances et relations entre les variables
  • Utilisation de Pandas pour l'analyse exploratoire

4. Visualisation de données

  • Visualisations classiques (boxplots, scatter plots, …)
  • Représentation de données multivariées
  • Utilisation de Matplotlib et Seaborn la visualisation