Ce cours en ligne est offert via la plateforme EDUlib par l'Université de Montréal, Faculté des arts et des sciences, Département de sociologie. :target:
Professeur: Éric Lacourse
Formateurs: Clémentine Courdi (maitrise), Samuel Guay (doctorant) et Caroline Patenaude (bibliothécaire).
Les données sont partout et il faudra rapidement savoir comment les analyser pour en dériver des connaissances sur lesquelles nous pourrons prendre des décisions et des actions plus éclairées. Selon la prestigieuse revue Harvard Business Review, le travail du scientifique de données sera l’emploi le plus « sexy » du 21ème siècle et le développement de l’intelligence numérique devient une composante incontournable du développement professionnel. Depuis quelques années, il apparaît de plus en plus évident qu’il y a une rareté, sur le marché de l’emploi, de professionnels formés comme scientifiques des données.
Ce cours introductif à la science des données appliquées pour les sciences sociales, du comportement ou de la santé aborde les concepts et les différents outils permettant de débuter un projet en science des données et de faire les premières analyses descriptives. Cette formation permettra aussi de développer les capacités de créer des visualisations intéressantes des données analysées.
Ce cours proposera des exercices pratiques pour découvrir les outils de la science des données et de la recherche « ouverte » inspirés des travaux de l’Open Science Framework. Ce cours propose d’utiliser le langage R, mais aussi des outils provenant de l’environnement Python, dont Google Colaboratory (Colab) et Jupyter Notebooks. R est un langage de programmation, en statistique et apprentissage automatique, dont la popularité est grandissante en sciences sociales et de la santé.
Ce cours gratuit et en ligne et asynchrone a été élaboré par Éric Lacourse (directeur scientifique) grâce au soutien de Praxis (Centre de formation professionnelle de la Faculté des Arts et Sciences), du Centre de pédagogie universitaire (CPU) et des Bibliothèques de l’Université de Montréal.
Le cours se subdivise en 7 modules, pour un total de 20 heures de formation continue (8 heures de capsules vidéos ; 12 heures de travail pratique et de quiz).
- Module 1 - Qu’est-ce que la science des données ?
- Module 2 - La science des données et les statistiques sociales
- Module 3 - La science ouverte
- Module 4 - Introduction pratique au langage R et à l’environnement Colab
- Module 5 - Les techniques d’exploration des données
- Module 6 - La régression linéaire et logistique, l’outil de base de la modélisation en science des données
- Module 7 - Mise en pratique des notions théoriques Déroulement du cours
Ce MOOC est gratuit et accessible tout au long de l’année. Son format asynchrone vous permet de le suivre à votre propre rythme. Plusieurs modalités pédagogiques sont utilisées pour faciliter vos apprentissages :
- Des capsules pédagogiques présentant les notions théoriques et des exemples concrets
- Des capsules vidéo présentant le point de vue d’intervenants dans le domaine De courts quiz permettant de valider votre compréhension des concepts présentés
- Des quiz sommatifs à la fin de chaque module pour valider votre compréhension et obtenir votre attestation
- Des lectures pour consolider et approfondir vos apprentissages
- Divers exercices pratiques vous permettant de mettre en application les notions apprises, en utilisant des données fournies ou vos propres données de recherche
Ce cours en ligne s’adresse à toute personne voulant se familiariser et développer ses compétences dans les outils de base pour débuter un projet en science des données. Comme la science des données touche presque tous les aspects de l’écologie humaine, le cours peut convenir à une vaste clientèle, par exemple des professionnels des sciences sociales, du comportement ou de la santé, les étudiants-chercheurs, les professionnelles de recherches et spécialistes en analyse d’affaires ainsi que les décideurs et les gestionnaires en service social et en santé. Bien que le cours porte plutôt sur la science des données sociales, il est également pertinent pour d’autres domaines.
Pour consulter la page officiel du cours, cliquez ici
Le contenu du cours est sous licence CC-BY-NC-SA sauf le Module 3 sur la science ouverte qui est sous licence CC-BY-SA.