URFIST : Formations du 1er semestre 2019
Formations dédiées à l'information et l'édition scientifique et technique et au droit appliqué à la recherche
L’unité régionale de formation à l’information scientifique (Urfist) de Bordeaux propose des formations dédiées à l’information et l’édition scientifique et technique et au droit appliqué à la recherche.
Les formations sont gratuites pour : les doctorants, les chercheurs et enseignants-chercheurs, les personnels scientifiques des universités et des EPST.
> Les formations
- Workshops, hackathon
07/03 : [save the date] Meet up « To cheat or not to cheat : The dark side of data science » ; organisé en partenariat avec l’école doctorale « Mathématiques et informatique », Université de Bordeaux
L’Urfist de Bordeaux s’associe à Viz for Social Good pour permettre à une ONG de s’appuyer sur les compétences en dataviz de scientifiques.
Les ONG ont des données à traiter pour défendre leurs activités, les faire comprendre, les analyser.
Vous êtes doctorant.e, chercheur.se, personnel scientifique et vous recourez régulièrement aux techniques de dataviz? ce hackathon est fait pour vous.
29/03 : Repenser la robustesse et la fiabilité en recherche : les chercheurs face à la crise de la reproductibilité ; journée organisée en partenariat avec le CNRS (délégation Aquitaine), le Centre Inria Bordeaux – Sud-Ouest, l’Université de Bordeaux (pôle RHDS)
- Concevoir et rédiger des écrits scientifiques, produire et gérer des données scientifiques
Bonnes pratiques de programmation, statistiques (des méthodes conventionnelles aux méthodes robustes), dataviz, data wrangling, optimisation, algorithmes reproductibles et performants, traitement des données manquantes ou imprécises sous R …
29-30/11, 09-10/04 : Perfectionner sa pratique de Stat R : analyse de variance et analyse multivariée, régressions (stage sur 2 jours)
07/12 : Créer des modèles prédictifs avec R en présence de données manquantes : arbres de décision
14/12 : « Save my ACP »: revoir son raisonnement ou changer de méthode ? Atelier « Bring your data »
22-23/01, 26-27/03 : Analyse statistique et création de graphiques avec Stat R : initiation (stage sur 2 jours)
- Identifier tous les faits avérés publiés et non publiés sur un sujet en particulier, dans le but d’avoir une vue d’ensemble objective et transparente sur ce sujet
- Limiter les biais, notamment le selective reporting
31/01 : Data wrangling avec DplyR : initiation à la manipulation de données tabulaires sous R
19-20/02, 12-13/03 : Premiers pas en programmation avec Python : initiation (stage sur 2 jours)
06/03 : Bonnes pratiques de programmation en Python : versionner, documenter, créer des packages
- Concevoir un code plus fiable en mettant en œuvre des pratiques inspirées par les Python Enhancement Proposals
- Documenter efficacement son code pour soi et pour les autres
- Gérer ses scripts
- Concevoir des packages adaptés à ses besoins
- Lancer rapidement son application en développement
07/03 : Optimisation en Python : type de base, profiling, multi-thread et multi-processing
- Choisir le type de base ad hoc pour l’utilisation souhaitée (variables, données, etc.)
- Mettre en œuvre une stratégie d’optimisation maîtrisée : diagnostiquer précisément les parties du code à améliorer, hiérarchiser les besoins, concevoir une stratégie sur le long terme
08/03 : Traiter les données manquantes et les données imprécises avec R : bring your data
- Déterminer le type de données manquantes qui vous concerne
- Comprendre l’impact des données manquantes et mesurer les dégâts qu’elles engendrent sur les données présentes
- Traiter les données manquantes par génération de valeurs avec R
- Mener l’analyse finale après régénération de données avec R
- Traiter les imprécisions de mesures et mener l’analyse finale
- Traiter les problèmes de limites de détection
- Fournir un panorama critique des méthodes statistiques prioritairement pour un public de non statisticiens. La formation peut aussi s’adresser à des spécialistes souhaitant actualiser leurs connaissances (la formation mêle apports méthodologiques et exercices)
- Identifier les limites des méthodes traditionnelles, notamment en termes de puissance statistique et de résultats vecteurs d’interprétations erronées
- Identifier quand, comment et pourquoi certaines techniques statistiques plus modernes doivent être mobilisées
01-02/04 : Simuler, tester, optimiser : initiation au calcul scientifique avec Python (stage sur 2 jours)
- Appréhender les liens entre reproductibilité et justesse du résultat
- Approfondir la compréhension de l’arithmétique des ordinateurs
- Comprendre le fonctionnement des briques algorithmiques de base permettant d’améliorer la qualité des codes : algorithmes compensés, précision étendue, accumulateurs de Kulisch, etc.
- Savoir implémenter ces méthodes dans un code HPC (ex. algorithmes de type BLAS1/BLAS2)
17/05 : Construire des modèles de régression avec R : bring your data
- Aspects juridiques de la rédaction de la thèse et de la valorisation des résultats de recherche
30/11, 05/04 : Publier en open access : quelles conséquences juridiques pour le chercheur?
07/12, 16/05 : Utiliser des licences libres pour la recherche
03/05 : Conclure un contrat d’édition : conditions et conséquences pour le chercheur?
28/05 : Protection des données personnelles et RGPD : quelles obligations pour le chercheurs ?