Descriptif
L'analyse des échantillons environnementaux a été profondément transformée par les progrès récents de l'écologie moléculaire et de la chimie analytique. Les technologies à haut débit permettent désormais de produire de très grands volumes de données, qui offrent un regard inédit sur la complexité des systèmes environnementaux. Ces données prennent généralement la forme de jeux de données de grande dimension, dans lesquels de nombreuses variables sont mesurées simultanément sur chaque échantillon. Les résumer et en extraire une information pertinente est difficile et nécessite des méthodes spécifiques.
BIO_54468_EP présente un ensemble de concepts théoriques et de méthodes, des statistiques descriptives aux statistiques multivariées : des outils puissants pour analyser et interpréter des données impliquant de nombreuses variables à la fois. Le cours progresse des fondements statistiques et des tests univariés vers la réduction de dimension, l'ordination fondée sur les distances, la modélisation prédictive, l'analyse multitableau et la décomposition de signaux.
Les méthodes sont illustrées par des jeux de données multivariées variés, principalement liés à l'environnement : suivi environnemental et mesures physico-chimiques, données spectrales du secteur agroalimentaire et données omiques, comme les données de communautés microbiennes. Ces exemples montrent que les mêmes méthodes s'appliquent bien au-delà de jeux de données simples et sont transposables à tout domaine où de nombreuses variables sont mesurées sur les mêmes échantillons.
Objectifs pédagogiques
À l'issue de ce cours, les étudiants seront capables de :
- comprendre le fonctionnement des principales méthodes, des tests univariés aux approches multivariées et multitableaux, et savoir quand chacune s'applique ;
- choisir et appliquer une méthode adaptée à un jeu de données et à une question de recherche donnés ;
- résumer, modéliser et prédire à partir de jeux de données complexes, et valider les résultats ;
- interpréter et évaluer de façon critique des résultats statistiques, numériques comme graphiques, y compris ceux produits par d'autres ;
- utiliser R et ChemFlow pour traiter, analyser et visualiser des données.
- Cours magistral : 18
- Petite classe : 18
Diplôme(s) concerné(s)
Parcours de rattachement
Département OSE
Département de Biologie.Objectifs de développement durable
ODD 3 Bonne santé et bien-être, ODD 6 Eau propre et assainissement, ODD13 Mesures relatives à la lutte contre les changements climatiques, ODD14 Vie aquatique, ODD 15 Vie terrestre.Pour les étudiants du diplôme Track : Environmental Engineering and Sustainability Management
Aucun prérequis formel n'est exigé. Des connaissances de base en algèbre linéaire (vecteurs, matrices et opérations associées) sont recommandées. Aucune expérience préalable de R ou de la programmation n'est nécessaire.
Format des notes
Numérique sur 20Littérale/grade américainPour les étudiants du diplôme Track : Environmental Engineering and Sustainability Management
Vos modalités d'acquisition :
L'évaluation du cours comprend deux épreuves principales, notées séparément :
- Examen écrit : une épreuve de 3 heures, sans documents, notes ni calculatrice.
- Projet personnel : chaque étudiant réalise un projet personnel d'analyse de données.
Par ailleurs, de courts QCM en début de séance permettent aux étudiants de vérifier leur compréhension de la séance précédente.
Le rattrapage est autorisé (Max entre les deux notes)- le rattrapage est obligatoire si :
- Note initiale < 10
- le rattrapage peut être demandé par l'étudiant si :
- Note initiale < 10
- Crédits ECTS acquis : 6 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Programme détaillé
Séance 1 – Pourquoi analyser des jeux de données complexes ? Fondamentaux et introduction à R (Olivier Chapleur)
Séance 2 – Statistiques descriptives, tests univariés (Olivier Chapleur)
Séance 3 – Prétraitement des données, réduction de dimension par analyse en composantes principales (Olivier Chapleur)
Séance 4 – Mesures de distance et méthodes d'ordination (Olivier Chapleur)
Séance 5 – Modéliser les relations entre variables : introduction à la régression des moindres carrés partiels (PLS) (Olivier Chapleur)
Séance 6 – Sélection de variables, prédiction et validation de modèles (Olivier Chapleur)
Séance 7 – Introduction à ChemFlow, théorie de l'analyse multivariée multitableau (Douglas Rutledge)
Séance 8 – Utilisation pratique de ComDim dans ChemFlow pour analyser conjointement plusieurs jeux de données (Douglas Rutledge)
Séance 9 – Décomposition de signaux par analyse en composantes indépendantes (Douglas Rutledge)
