ECTS
60 crédits
Durée
1 an
Structure de formation
Faculté de pharmacie
Langue(s) d'enseignement
Français
Présentation
Le Master 2 EDSB – Data Scientist pour les Sciences du Vivant forme des data scientists capables d'intervenir sur un large panel de données issues de la biologie, de la santé et plus largement des sciences du vivant. Il offre une formation généraliste, adaptée à la diversité des données et des contextes rencontrés en recherche comme en entreprise : données expérimentales, industrielles, pharmacologiques, omiques ou issues de dispositifs de mesure complexes.
Le parcours accorde une place centrale au machine learning, avec une progression allant des méthodes d'apprentissage jusqu'au deep learning. Il conserve un socle commun avec le parcours Analyse des données de santé (modèles linéaires généralisés et mixtes, analyse des données censurées), qui garantit une solide culture en biostatistique. Il l'élargit à des problématiques propres à l'industrie et aux sciences du vivant : statistiques pour l'industrie, planification du recueil de données, bases de données avancées, et modélisation en pharmacocinétique combinant modèles mixtes et machine learning. Les enseignements mobilisent R et Python.
La formation repose largement sur l'apprentissage par projet. Des études de cas et des projets menés en collaboration avec d'autres formations placent les étudiants dans des situations proches de la réalité professionnelle : travail en équipe, dialogue avec des spécialistes d'autres disciplines, gestion d'un projet d'analyse de bout en bout. Des séminaires de recherche complètent cette ouverture.
Le parcours est ouvert à l'apprentissage, qui permet aux étudiants d'acquérir une expérience professionnelle significative dès le M2. Les autres étudiants effectuent un stage de six mois en laboratoire de recherche ou en entreprise. Cette organisation prépare à des postes de data scientist, biostatisticien ou ingénieur d'études dans les laboratoires de recherche académique ou hospitalière, l'industrie pharmaceutique, voire l’agroalimentaire ou les biotechnologies ou encore à une poursuite en doctorat.
Savoir-faire et compétences
Organisation
Contrôle des connaissances
Programme
ANALYSE DES DONNEES CENSUREES
2,5 créditsSTATISTIQUES TEMPORELLES
2,5 créditsMODELE LINEAIRE GENERALISE ET MIXTE
5 créditsApplication modèle mixte & machine learning
2,5 créditsETUDE DE CAS PARTIE 2
5 créditsMACHINE LEARNING NIVEAU 1: APPLICATION AU PRONOSTIC
2,5 créditsBASES DE DONNEES NIVEAU 2
2,5 créditsMACHINE LEARNING NIVEAU 2
2,5 créditsRECUEIL PLANIFIE DE DONNEES
2,5 créditsSTATISTIQUES POUR L'INDUSTRIE
2,5 créditsSEMINAIRES DE RECHERCHE
2,5 crédits
Stage Master 2
25 créditsStage M2 EDSB
30 crédits