Nature UE
Crédits ECTS 3
Volume horaire total 30
Volume horaire CM 9
Volume horaire TD 9
Volume horaire TP 12

Pré-requis

? Bases de Mathématiques appliquées (statistiques, optimisation) ? Bases de programmation Python et d’algorithmie

Objectifs

Analyse de données médicales : ? Notions sur les données et les bases de données relationnelles ? Schémas et protocole d’études ? Statistiques inférentielles simples (SIS) ? Modélisation statistique ? Evaluation de la valeur informationnelle d’une méthode diagnostique ? Evaluation de l’accord ou de la concordance entre jugements ? Données Manquantes ? Géostatistiques ? Lecture critique d’article scientifique Projet Deep Learning ? Spécificités du contexte médical ? Cas des apprentissages fortement et faiblement supervisés

188比分直播

Apprentissage des principales méthodes d'analyse de données médicales, avec un projet en Deep Learning sur des images médicales.

Informations complémentaires

Analyse de données médicales : ? Notions sur les données et les bases de données relationnelles ? Schémas et protocole d’études ? Statistiques inférentielles simples (SIS) ? Modélisation statistique ? Evaluation de la valeur informationnelle d’une méthode diagnostique ? Evaluation de l’accord ou de la concordance entre jugements ? Données Manquantes ? Géostatistiques ? Lecture critique d’article scientifique Projet Deep Learning ? Spécificités du contexte médical ? Cas des apprentissages fortement et faiblement supervisés