- Langue du parcours :Français
- ECTS :
- Volume horaire TPTDCICM
- Formation initialeFormation continue
- ApprentissageContrat de professionnalisation
Objectifs du programme
La capacité à traiter de façon adéquate des données disponibles de façon massive (Big data) représente une richesse économique, scientifique et sociétale. L’université de Strasbourg offre la possibilité aux étudiants de chaque faculté de suivre un parcours « Approche Interdisciplinaire en Science des données (AISD) » correspondant à une formation sur les métiers de l’informatique en lien avec sa discipline.
Les parcours concernés sont:
Immunologie et inflammation; Microbiologie ; Ecophysiologie, Ecologie et éthologie ;
Génétique moléculaire du développement et des cellules souches ; Virologie ;
Plantes, biologie moléculaire et biotechnologies ; Biologie et génétique moléculaire ;
Neurosciences cellulaires et intégrées ; Neurosciences cognitives
Les parcours concernés sont:
Immunologie et inflammation; Microbiologie ; Ecophysiologie, Ecologie et éthologie ;
Génétique moléculaire du développement et des cellules souches ; Virologie ;
Plantes, biologie moléculaire et biotechnologies ; Biologie et génétique moléculaire ;
Neurosciences cellulaires et intégrées ; Neurosciences cognitives
Compétences à acquérir
Ce parcours AISD s’appuie sur un des 9 parcours de master existant dans lequel les étudiants suivent un ensemble d’UE :
• 90 ECTS dans le parcours de votre choix au sein de la Faculté
• 30 ECTS en science des données mutualisées avec tous les parcours AISD ouverts à l’Unistra dont les objectifs principaux sont:
Connaître des techniques classiques de traitement des données
Réaliser des traitements sur différents types de données
Connaître les différents enjeux liés aux données
Il est proposé aussi deux projets Tutorés (S2 et S3) et un stage de 5 mois (S4)
• 90 ECTS dans le parcours de votre choix au sein de la Faculté
• 30 ECTS en science des données mutualisées avec tous les parcours AISD ouverts à l’Unistra dont les objectifs principaux sont:
Connaître des techniques classiques de traitement des données
Réaliser des traitements sur différents types de données
Connaître les différents enjeux liés aux données
Il est proposé aussi deux projets Tutorés (S2 et S3) et un stage de 5 mois (S4)
Contact(s)
Sylvie Fournel
Sylvie Massemin-Challet
Modalités d'inscription
Admission : sur dossier et si nécessaire sur entretien.
Elle se fait en deux étapes :
1-admission dans le parcours disciplinaire
2- admission en parcours AISD au niveau de l’Université (Nicolas Lachiche, nicolas.lachiche@unistra.fr).
Nombre de places : 10
Pré-requis obligatoires
Niveau requis : Licence de Biologie en lien avec le parcours disciplinaire choisi.
Poursuite d'étude
- Les débouchés sont d’abord ceux du parcours disciplinaire de l’étudiant. En effet, la production et l’utilisation des données deviennent une façon naturelle de travailler dans tous les domaines. Ainsi cette formation renforce l’employabilité de l’étudiant dans sa discipline d’origine.
- La formation suivie en Science des Données offre la possibilité de se spécialiser sur des métiers du numérique, à l’interface entre les métiers de l’informatique et de la discipline en lien avec le stockage, la modélisation et l’analyse de données. Ce sont donc de nouveaux débouchés qui s’ouvrent également à chaque étudiant.
Programme des enseignements
Approche interdisciplinaire en science des données
- CMCITDTPTE
UE C1 - Concepts, enjeux et transdisciplinarité - 3 ECTS
UE M1 - Méthodes d'apprentissage supervisé - 3 ECTS
UE D1 - Collecte, fiabilité et visualisation des données - 3 ECTS
Développement intégré des plantes dans leur environnement - 12 ECTS
Démarche scientifique et gestion de projet S1 - 6 ECTS
Génomes de plantes - 3 ECTS
UE C1 - Concepts, enjeux et transdisciplinarité - 3 ECTS
UE M1 - Méthodes d'apprentissage supervisé - 3 ECTS
UE D1 - Collecte, fiabilité et visualisation des données - 3 ECTS
Éthologie - 3 ECTS
Génétique quantitative et des populations - 3 ECTS
Évolution de la cognition et du comportement S1 - 3 ECTS
Physiologie comparée des métazoaires - 6 ECTS
Outils fondamentaux en Statistique pour les sciences du vivant - 3 ECTS
UE C1 - Concepts, enjeux et transdisciplinarité - 3 ECTS
UE M1 - Méthodes d'apprentissage supervisé - 3 ECTS
UE D1 - Collecte, fiabilité et visualisation des données - 3 ECTS
Formation pratique en bactériologie et en mycologie - 6 ECTS
Génétique Quantitative Appliquée - 3 ECTS
Microbiologie environnementale appliquée - 3 ECTS
Langues M1S1 - 3 ECTS
Parcours PBMB AISD S1
Parcours EEE AISD S1
Parcours Microbio AISD S1
- CMCITDTPTE
Méthodes d'étude des populations et des écosystèmes - 3 ECTS
Insertion professionnelle - 3 ECTS
Évolution de la cognition et du comportement S2 - 3 ECTS
Statistiques et applications avancées en biologie - 3 ECTS
Langue M1S2 EEE - 3 ECTS
Écologie fonctionnelle et évolutive - 3 ECTS
Projet transdisciplinaire 1
Ethique et droit
Outils statistiques
Méthodes d'apprentissage
Neurobiologie cellulaire et moléculaire - 3 ECTS
Neurophysiologie sensorielle et motrice - 6 ECTS
Insertion professionnelle - 3 ECTS
Troubles cognitifs et comportementaux dans des modèles animaux de pathologies neurodégénératives - 3 ECTS
Projet transdisciplinaire 1
Ethique et droit
Outils statistiques
Méthodes d'apprentissage
Parcours EEE AISD S2
Parcours NCO AISD S2
Parcours PBMB AISD S2
- CMCITDTPTE
UE A2 - Projet transdisciplinaire 2
UE D3 - Représentation et traitement des données
UE M3 - Méthodes symboliques et numériques
Préparation au stage S4 en écophysiologie et éthologie - 3 ECTS
Écophysiologie animale - 9 ECTS
Cognition et organisations sociales - 3 ECTS
Éthique animale - 3 ECTS
Projet en statistiques - 3 ECTS
Langues M2S3 - 3 ECTS
Ecologie des micro-organismes - 6 ECTS
Physiologie moléculaire des procaryotes - 6 ECTS
Préparation au stage S4 en microbiologie - 3 ECTS
Actualité scientifique - 3 ECTS
Langues M2S3 - 3 ECTS
UE A2 - Projet transdisciplinaire 2
UE D3 - Représentation et traitement des données
UE M3 - Méthodes symboliques et numériques
UE A2 - Projet transdisciplinaire 2
UE D3 - Représentation et traitement des données
UE M3 - Méthodes symboliques et numériques
Préparation au stage S4 en neurosciences - 3 ECTS
Troubles cognitifs dans des pathologies psychiatriques et modélisation chez le rongeur - 6 ECTS
Méthodologie appliquée à l'étude des fonctions cognitives - 3 ECTS
Cognition animale - 3 ECTS
Neurosciences cognitives de la conscience - 3 ECTS
Langues M2S3 - 3 ECTS