Recherche reproductible : principes méthodologiques pour une science transparente

Closed
课程
fr
法语
Subtitles available
24 时
此内容评级为 0/5
来源
  • 来自www.fun-mooc.fr
状况
  • 免费获取
  • 免费证书
更多信息
  • 4 序列
  • 等级 中级
  • 字幕在 English
  • 从31 三月 2019开始
  • 以18 六月 2019结束

他们的员工每天都在学习Edflex

  • Safran
  • Air France
  • TotalEnergies
  • Generali
Learn more

课程详情

教学大纲

  • Module 1 : Cahier de notes, cahier de laboratoire
  • Module 2 : La vitrine et l’envers du décor : le document computationnel
  • Module 3 : La main à la pâte : une analyse réplicable
  • Module 4 : Vers une étude reproductible : la réalité du terrain
  • Module 1: Taking notes and finding them back
  • Module 2: From the showcase to the full story: computational documents
  • Module 3: Diving in: a replicable analysis
  • Module 4: The rough road to real-life reproducible research

先决条件

Le premier module ne requiert aucune connaissance particulière. Dès le deuxième module, une connaissance des bases du langage Python (librairies pandas, numpy et matplotlib) ou du langage R est nécessaire. Si vous ne connaissez pas les librairies Python, n'hésitez pas à suivre le chapitre correspondant du Mooc

(semaine 7 : l'écosystème data science Python). Dans le quatrième module, nous traitons des sujets plus spécialisés dont chacun peut nécessiter des compétences particulières.
Un assez bon niveau en analyse de données et en statistique est nécessaire pour certains exercices de cette session. Néanmoins, même si vous ne pouvez pas compléter ces exercices, vous pourrez vous former sur de nombreux outils et méthodes pour la recherche reproductible. Nous espérons pouvoir proposer dans la session suivante (session 03) des alternatives à ces exercices avec des prérequis plus souples.

The first module assumes no particular prior knowledge. Starting from the second module, a basic knowledge of Python (with the libraries pandas, numpy and matplotlib) or R is required. In the fourth module, we treat more specialized topic, each of which may require specific competences.
A fairly good level of competence in data analysis and statistics is required for some exercises in this session. Nevertheless, even if you are unable to complete these exercises, you will be able to learn about many tools and methods for reproducible research. We hope to be able to propose alternatives to these exercises in the next session (session 03) with less demanding requirements.

讲师

Christophe Pouzat
Christophe Pouzat est chercheur CNRS au laboratoire MAP5, mathématiques appliquées à Paris-Descartes. Il est en fait neurophysiologiste et travaille sur l’analyse de données ; la recherche reproductible lui permet une communication explicite avec les expérimentateurs, ce qui évite bien des erreurs.Christophe Pouzat is a CNRS researcher in the laboratory MAP5 (applied mathematics at Paris-Descartes). He is actually a neurophysiologist, working on the analysis of experimental data. Reproducible research enables him to communicate explicitly with experimentalists, avoiding many mistakes.

Arnaud Legrand
Arnaud Legrand est chercheur CNRS au Laboratoire d’Informatique de Grenoble. Il s’intéresse à l’évaluation de la performance de grandes infrastructures. Que ça soit lors de l’expérimentation ou lors de l’analyse des mesures, il est indispensable de capturer rigoureusement le processus utilisé.Arnaud Legrand is a CNRS researcher at the Laboratoire d'Informatique in Grenoble. His research interest is the evaluation of the performance of big computing infrastructures. Both for performing experiments and for analyzing the outcomes, it is essential to capture the process rigorously.

Konrad Hinsen
Konrad Hinsen est chercheur CNRS au Centre de Biophysique Moléculaire à Orléans et au Synchrotron SOLEIL à Saint Aubin. Il explore la structure et la dynamique des protéines par des méthodes computationnelles, qu’il tente de rendre reproductibles.Konrad Hinsen is a CNRS researcher at the Centre de Biophysique Moléculaire in Orléans and at the Synchrotron SOLEIL in Saint Aubin. He explores the structure and dynamics of proteins by computational methods, which he tries to make reproducible.

编辑

法国国家计算机科学与控制研究所(INRIA)是法国一家专门从事数学和计算机科学研究的公共科技机构,由高等教育、研究和创新部以及经济和财政部共同管理。 它成立于 1967 年 1 月 3 日。

Inria 的使命是在国内和国际上发展信息与通信科学和技术方面的研究和技术转让。该机构还负责指导法国在人工智能研究方面的国家战略。

平台

France Université Numérique est le diffuseur des cours en ligne des établissements d’enseignement supérieur français et de leurs partenaires.

Il opère plusieurs plateformes de diffusion, dont la plus connue, FUN MOOC, est la première plateforme académique francophone mondiale. Grâce à de nombreux établissements partenaires, cette plateforme propose un vaste catalogue de cours s’enrichissant de jour en jour avec des thématiques variées et d’actualité.
 

此内容评级为 4.5/5
(没有评论)
此内容评级为 4.5/5
(没有评论)
完成这个资源,写一篇评论