Durée
5 jours
Structure de formation
Service Commun de la Formation Continue , Faculté des Sciences
Présentation
Cette formation permet d’acquérir les bases pour collecter, traiter et analyser des données de santé, en intégrant les enjeux réglementaires (RGPD, anonymisation) et des outils pratiques (Python, visualisation). Elle initie à l’utilisation de méthodes d’intelligence artificielle (machine learning, deep learning) pour exploiter des données médicales.
Les + de la formation
Une session de formation est prévue pour l'année en cours :
- du 8 au 12 juin 2026
Objectifs
- Former les participants à l’exploitation des données de santé via l’IA, en leur donnant les compétences techniques (Python, machine learning, visualisation) et réglementaires pour analyser, modéliser et valoriser ces données, tout en répondant aux enjeux concrets du secteur médical et healthtech.
Savoir-faire et compétences
- Connaître la structure et les types de données de santé : identifier les formats (fichiers xls, csv, données textuelles, numériques), comprendre leur organisation et leurs spécificités.
- Maîtriser la réglementation : appliquer les règles légales et éthiques liées à l’utilisation des données de santé (RGPD, anonymisation, etc.).
- Utiliser Python : manipuler des bibliothèques de base pour le traitement de données.
- Automatiser des tâches simples : lire, nettoyer et transformer des données avec des scripts Python.
- Collecter et préparer des données : importer des fichiers (xls, csv), gérer les données manquantes, et appliquer des techniques d’anonymisation.
- Visualiser des données : créer des graphiques et tableaux pour explorer et présenter des données.
- Appliquer des statistiques descriptives : calculer des indicateurs de base (moyenne, écart-type, etc.) pour résumer les données.
- Comprendre les algorithmes de base : utiliser des méthodes comme kNN (k-plus proches voisins) et les arbres de décision pour segmenter ou classifier des données.
- Interpréter les résultats : analyser les sorties des algorithmes et en tirer des conclusions pertinentes pour le domaine de la santé.
- Maîtriser les concepts avancés : comprendre le fonctionnement des réseaux de neurones, du deep learning, et des modèles de langage (LLM).
- Traiter des données textuelles : appliquer des techniques de NLP (Natural Language Processing) pour analyser des données non structurées (comptes-rendus médicaux, etc.).
- Évaluer des modèles : choisir des métriques adaptées et optimiser les performances des algorithmes.
- Résoudre un problème concret : travailler en équipe pour développer une solution basée sur l’IA, de la collecte des données à la présentation des résultats.
- Appliquer une démarche projet : structurer une analyse, prioriser les tâches, et communiquer efficacement sur les résultats.
Organisation
Contrôle des connaissances
50% quiz (4 quiz : jours 1, 2, 3, 4)
50% TP (hackathon, jour 5)
Programme
Cette formation compte 30 heures d'enseignement réparties sur 5 jours en présentiel.
PROGRAMME
Jour 1 (6h) : Gestion des données
- Gestion et compréhension des données de santé [3h]
- Initiation à la programmation pour l’analyse de données avec Python [3h]
Jour 2 (6h) : Acquisition/visualisation de la donnée de santé (anonymisation)
- Manipulation des données : fichiers xls, csv, données textuelles, données numériques, données manquantes, statistiques minimalistes
Jour 3 (6h) : Initiation au machine learning (apprentissage non supervisé)
- kNN
- Arbres de décision
Jour 4 (6h) : Approfondissement en machine learning (apprentissage supervisé)
- Deep learning-Neurones
- LLM
- Données textuelles
Jour 5 (6h) : Mise en pratique et collaboration – Hackathon
Admission
Modalités d'inscription
Pour candidater, merci de transmettre CV et lettre de motivation à l'adresse suivante : sfc-fds @ umontpellier.fr
Candidatures jusqu'à fin avril.
Public cible
Cette formation s’adresse à un public varié, incluant :
- Professionnels de santé (médecins, data managers, cadres…)
- Professionnels du numérique et de la data (data analysts, chefs de projet healthtech, consultants…)
Droits de scolarité
Tarifs :
- Financement personnel (autofinancement) : 1 750 €
- Financement par un tiers : 2 450 €
Pré-requis obligatoires
Niveau Bac + 3 en Sciences ou Santé
Et après
Insertion professionnelle
Débouchés professionnels
- Analyste de données de santé
- Coordinateur de projets healthtech
- Data Analyst spécialisé en santé
- Développeur d’application santé
- Consultant en transformation numérique santé