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

Contenu

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

Appartient à

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