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

老虎机游戏

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