Santé

Master 2 Epidémiologie, Données de Santé, Biostatistique (EDSB) sous parcours Data Analyst pour les Sciences du Vivant

  • ECTS

    60 crédits

  • Durée

    1 an

  • Structure de formation

    Faculté de pharmacie

  • Langue(s) d'enseignement

    Français

Présentation

Le parcours proposé est  une évolution du parcours "Statistiques pour les Sciences de la Vie" de la mention "Mathématiques" de la précédente période. Le Master 1 devient commun avec le parcours "épidémiologie, données de santé, biostatistiques - Données de Santé" avec lequel la mutualisation était déjà très importante pendant la précédente période.

Lire plus

Objectifs

Son objectif reste de fournir à des étudiants issus principalement de licences de santé et de biologie d'acquérir une double-compétence en biostatistiques.

Lire plus

Savoir faire et compétences

Cette double compétence est particulièrement recherchée sur le marché de l'emploi comme le montrent les chiffres du taux d'insertion à  la sortie du parcours. Nos étudiants sont de véritables atouts dans une équipe puisqu'ils ont la culture nécessaire en biologie/santé pour maîtriser la problématique d'intérêt et la compétence pour analyser les données de façon adéquate. Cette analyse adéquate; Cette analyse adéquate des données en biologie/santé est un enjeu majeur pour la recherche des années à venir car les données sont de plus en plus volumineuses et nombreuses  et  des erreurs dans leur analyse peut conduire (et a déjà conduit par le passé) à des conclusions erronées ou non reproductibles décrédibilisant l'ensemble de la filière recherche. Une expertise réelle en analyse de données est donc aujourd'hui indispensable pour permettre de répondre à des questions biologiques complexes. Cet objectif est l' "ADN" de notre formation et perdure pour la prochaine période.

De plus, nous avons fait évoluer le contenu de la formation pour permettre aux étudiants en santé en en biologie d'acquérir des compétences toujours plus proches du marché de l'emploi en biostatistiques : introduction du langage Python, renforcement des enseignements en Machine Learning et intelligence artificielle. Cette évolution est également en cohérence avec le changement de mention car les applications en santé de ces méthodes sont de plus en plus nombreuses (recherche de biomarqueurs, médecine personnalisée,...). Nous avons renforcé sur ce point les enseignements permettant à nos étudiants (notamment à ceux qui ne viennent pas des filières santé) de prendre conscience des problèmes inhérents aux données de santé.

D'un point de vue professionnalisant, nous proposons une nouvelle UE d'étude de cas, permettant d'introduire de l'apprentissage par projet dont on connaît les vertus pédagogiques. Cette UE s'assortit d'une sensibilisation à la conduite de projet, préparant nos étudiants à leur futur emploi qui s'inscrit souvent dans des équipes construites autour de projets.

 

Lire plus

Organisation

Contrôle des connaissances

Programme

  • ANALYSE DES DONNEES CENSUREES

    2,5 crédits
  • STATISTIQUES TEMPORELLES

    2,5 crédits
  • MODELE LINEAIRE GENERALISE ET MIXTE

    5 crédits
  • Application modèle mixte & machine learning

    2,5 crédits
  • ETUDE DE CAS PARTIE 2

    5 crédits
  • MACHINE LEARNING NIVEAU 1: APPLICATION AU PRONOSTIC

    2,5 crédits
  • BASES DE DONNEES NIVEAU 2

    2,5 crédits
  • MACHINE LEARNING NIVEAU 2

    2,5 crédits
  • RECUEIL PLANIFIE DE DONNEES

    2,5 crédits
    • Recueil plan. données CC

    • Recueil plan. données CT

  • STATISTIQUES POUR L'INDUSTRIE

    2,5 crédits
  • SEMINAIRES DE RECHERCHE

    2,5 crédits
  • Stage Master 2

    25 crédits
    • Mémoire stage

    • Oral stage

  • Stage M2 EDSB

    30 crédits