Accueil
fr
Diplôme d'établissement de 2ème et 3ème cycle
DESU Data science appliquée aux neurosciences

DESU DATA SCIENCE APPLIQUÉE AUX NEUROSCIENCES

DESCRIPTION
CONTENU
DÉBOUCHÉS
PARCOURS
CONTACT

Responsables

Julie KOENIG GAMBINI —
Nicolas CATZ —

Objectifs

La formation s’adresse à des étudiants (min. M2) et diplômés de sciences et de santé liés aux neurosciences et qui souhaitent renforcer leurs compétences en sciences des données. Les étudiants en neurosciences sont très souvent amenés à manipuler des grosses données multi-paramétriques et bruitées en développant très souvent leur propre programme d’analyse sans pour autant être des informaticiens. Cette capacité à extraire le sens des données bruitées et complexes les rend très intéressants sur le marché du travail en data science, mais il leur manque souvent les compétences que nous développons dans ce DESU pour être très compétitifs.

Public visé

Etudiants et diplômés de neurosciences qui ont déjà une expérience significative dans la manipulation de données

Conditions d'admission

Étudiants de M2, doctorants, titulaires d’un master ou d’un doctorat en neurosciences et d’autres sciences connexes (sciences de la vie, santé, psychologie)

Prérequis obligatoires

Expérience significative dans la manipulation de données

Prérequis recommandés

Cette formation s’adresse à des étudiants et diplômés de neurosciences qui ont déjà une expérience significative dans la manipulation de données, par exemple dans le cadre d’un stage de M2 ou d’un doctorat.

Pour pouvoir suivre cette formation, vous devez connaître les bases de la programmation en Python et les concepts de mathématiques et de statistiques ci-dessous.

Programmation :

Ce cours se déroulera en Python. Les étudiants doivent être familiers avec l’utilisation des différentes structures de variables (array, liste, dict) et les librairies numpy, scipy, matplotlib et pandas, la notion de boucle et de structures conditionnelles.

Compétences en mathématiques

Algèbre linéaire : Il faudra être familier avec les manipulations de vecteurs et de matrices, rang, bases, déterminants, inverses.

Statistiques : une connaissance de base est requise, à savoir être à l'aise avec les moyennes et les variances, ainsi qu'avec la distribution normale, et avoir une connaissance des tests paramétriques et non-paramétriques classiques.

Calcul : vous devez savoir ce que sont les intégrales et les dérivées, et comprendre ce que signifie une équation différentielle.

Structure et organisation

4 semaines d'enseignement à temps plein, en général 2 fin juin - début juillet, puis 2 fin août - début septembre, avec un projet tuteuré à préparer pendant l'été

Sites d'enseignement

SCIENCES, Marseille St-Charles

Connaissances à acquérir

Maîtrise des approches couramment utilisées en data science pour analyser et visualiser des grosses quantités de données multi-paramétriques structurées en Python (Statistique, Machine learning, Deep learning)

Initiation aux réglementations éthiques régissant l’utilisation des données.

Compétences à acquérir

Compétences informatiques

Programmation Python, utilisation de logiciels d’analyse statistique, initiation au machine learning et deep learning, traitement du signal et d’images. Initiation à l’utilisation des bases de données, initiation à l’utilisation de GPU pour le calcul numérique

Compétences mathématiques

Algèbre linéaire (calcul matriciel et vectoriel)

Modèles de prédiction, mesure de performance, régressions, réseaux de neurones, optimisation.

Probabilités (inférence bayésienne)

Analyse de données statistiques (incluant des données multimodales)

Compétences générales

Gestion de projet, travail en équipe

Stages et projets encadrés

Projet tutoré de data science, qui peut être lié au projet de recherche de l'étudiant ou fourni par un laboratoire ou une entreprise

Modalités pédagogiques particulières

Enseignement axé sur la pratique, notamment pendant le projet tutoré

Débouchés professionnels

Dans le contexte actuel caractérisé par la place centrale des données massives dans tous les secteurs d’activité, la demande des employeurs publics et privés est importante sur le marché du travail. Ces employeurs recherchent des profils à la fois formés en sciences et à la compréhension des pathologies et compétents en informatique et surtout en gestion de données. Des débouchés se situent dans de nombreux domaines d’application, avec une prédominance en R&D liés à la santé. Les métiers visés concernent des postes de Data Scientist, Data Analyst, Data neuroscientist, Spécialiste Recherche & Innovation, Clinical data science engineer...

Poursuites d'études

Pour les M2 : poursuite d’études possible en doctorat de neurosciences, y compris dans le cadre de thèses en partenariat avec une entreprise (CIFRE).

Partenariats

Les 9 laboratoires adossés à l’Institut NeuroMarseille, ainsi que des entreprises privées de R&D ou des sources en accès libre peuvent fournir des données sur lesquels les étudiants du DESU travailleront pendant leur projet tutoré.

Liste des parcours

DESU Data science appliquée aux neurosciences

Contacts

neuroschool-data-science@univ-amu.fr

DÉPOSER UNE CANDIDATURE

Domaine : Sciences et Technologies
Composante : Faculté des Sciences
Liens complémentaires :
- https://neuro-marseille.org/en/blog/a-new-diploma-in-data-science/
Site web de la formation

Frais d'inscription

Formation initiale :
Droits d'inscription : plus d'informations...
Droits différenciés des étudiants extra-communautaires : plus d'informations...
Formation continue : plus d'informations...

CONTACT ORIENTATION

SUIO d'Aix-Marseille Université

CATALOGUE DES FORMATIONS 2023 - 2024