Ok

En poursuivant votre navigation sur ce site, vous acceptez l'utilisation de cookies. Ces derniers assurent le bon fonctionnement de nos services. En savoir plus.

Big Data

  • BIG DATA & MÉDECINE PERSONNALISÉE : OÙ EN SOMMES-NOUS ?

    Published on Feb 6, 2017

    Big Data en biologie et médecine : nouveaux outils, nouveaux concepts ?

    Ces dix dernières années a vu l’émergence d’une nouvelle approche en biologie, appelée biologie des systèmes, qui s’appuie sur l’acquisition de données aussi exhaustives que possible concernant le système à l’étude. Ces données sont d’ordre génétique (ex : séquence du génome), moléculaires (ex : niveau d’expression de tous les gènes), phénotypiques (ex : pression artérielle, poids, mesures issues d’objets connectés), et aussi d’ordre qualitatif tel que des images ou radios. Une interprétation appropriée de l’ensemble massif de ces données –d’où le nom « Big Data », devenu très médiatisé, ou mégadonnées– serait la porte ouverte à une compréhension intégrative des phénomènes du vivant, tant physiologiques que pathologiques. De ce fait, autant en biologie fondamentale qu’en médecine, dans le cadre de la médecine dite personnalisée, cette approche suscite d’énormes attentes, alors même que de nombreux défis restent à adresser. L’enjeu est non seulement scientifique, mais aussi sociétal, économique, et politique.

    Cet exposé revient plus spécifiquement sur l’intrication « Big Data », complexité, et médecine personnalisée, en faisant le lien avec le développement de la modélisation, entre réalités, promesses et leurre.

    Conférence de Béatrice Desvergne, professeur à la Faculté de Biologie et de Médecine de l'Université de Lausanne, professeure invitée par le labex TransferS et Michel Morange (République des Savoirs).

    Médecin, biologiste et philosophe, Béatrice Desvergne est professeure au Centre intégratif de génomique (CIG) de l’UNIL et vice-Doyenne en charge de l’organisation de la Section des sciences fondamentales, à la Faculté de Biologie et de Médecine de Université de Lausanne en Suisse.

    En 2012, elle a été désignée Doyenne de la Faculté de biologie et de médecine (FBM) . Une nomination historique, puisque Béatrice Desvergne est devenue ainsi la première femme à la tête d’une Faculté de médecine en Suisse romande.

    ///////////////////////////////////////////////////////////////////////////////

    ►ENS : http://www.ens.fr 
    ►SAVOIRS ENS : http://www.savoirs.ens.fr
    ►FACEBOOK : https://www.facebook.com/Ecole.normal... 
    ►TWITTER : https://twitter.com/ENS_ULM 
    ►INSTAGRAM : https://www.instagram.com/normalesup

  • [Conférence] Voyage au cœur du Big Data

    Le CEA prend toute sa part dans la « révolution du Big Data » à l'œuvre depuis moins d’une dizaine d’années. Non seulement nombre de ses équipes appartiennent à des communautés qui gèrent de grandes plateformes de données (astrophysique, climat, génomique…) mais aussi et surtout il est activement impliqué dans la conception et la mise en œuvre d’infrastructures de traitement de données, de simulation et de visualisation. Technologies, domaines d’applications, impact scientifique et sociétal du Big Data : tels sont les thèmes abordés lors de cette conférence vidéo.

  • #MOOC La dématérialisation, enjeux du big data - Fabiano CHALHOUB (conférence du 10 février 2016)

    Ajoutée le 19 févr. 2016

    Cette conférence a abordé les nouveaux défis liés à la dématérialisation massive de l'information, par l'intermédiaire de notre invité, Fabiano CHALHOUB, spécialiste de la gestion du cycle de vie des données informatiques.

    Pour découvrir les conférences de l'ILERI : http://ileri.fr/actualites/conferences/
    Retrouvez-nous sur Facebook : http://facebook.com/Paris.ILERI/
    Retrouvez-nous sur Twitter : http://twitter.com/ILERIPARIS

    Pour plus d'informations sur l'ILERI : http://ileri.fr/

    • Catégorie

    • Licence

      • Licence YouTube standard
  • #MOOC Fondamentaux pour le Big Data Inscriptions au MOOC ouvertes jusqu'au 27 mars 2017

    Source : http://www.sup-numerique.gouv.fr/cid93628/mooc-fondamentaux-pour-le-big-data-session-4.html

    MOOC Fondamentaux pour le Big Data

    Inscriptions au MOOC ouvertes jusqu'au 27 mars 2017
     

    Le MOOC Fondamentaux pour le big data vous permet d'acquérir le niveau pré-requis en informatique et en statistiques pour suivre des formations dans le domaine du big data et data science.

    MOOC sur FUN-MOOC - du 30.01.17 au 3.04.2017
    Auteur(s): Stéphan Clémençon, Pierre Senellart, Anne Sabourin, Joseph Salmon, Alexandre Gramfort, Ons Jelassi
    Partagez !

    Présentation du MOOC Fondamentaux pour le Big Data

    Informations pratiques sur le MOOC

    • Type: MOOC, cours en ligne, quiz, attestation de suivi
    • Temps d'apprentissage: 6 semaines
    • Niveau: à partir de la licence (L2 validé)
    • Durée d'exécution: 04:00h/semaine
    • Langues: français
    • Contenu: vidéos, discussions
    • Public cible: personnes ayant une formation en mathématiques, suivant un master spécialisé "Big data Gestion et analyse des données massives", ou le Certificat d'Études Spécialisées "Data Scientis" ou la formation courte "Data Science : Introduction au Machine Learning"
    • Age attendu: 20 ans et +
    • Droits: Licence Creative Commons BY-NC-ND

    Description du MOOC Fondamentaux pour le Big Data

    Le big data offre de nouvelles opportunités d'emplois au sein des entreprises et des administrations. Des formations préparant à ces métiers existent. Ces formations nécessitent des connaissances en statistiques et en informatique que ce MOOC vous propose d'acquérir.

    En suivant ce MOOC vous pourrez avoir des bases dans les domaines de :

    • l'analyse
    • l'algèbre
    • les probabilités
    • les statistiques
    • la programmation Python
    • les bases de données

    Ce MOOC vous explique pourquoi les bases de données relationnelles ne sont pas toujours adaptées aux systèmes de données massives qui sont déployées dans les contextes big data.

    Ce MOOC vous initie à la programmation avec le langage Python, très utilisé dans le domaine du traitement des masses de données en utilisant la bibliothèque Numpy.

    Le traitement des données massives et la prédiction nécessitent des analyses statistiques. Cette formation vous fournit les concepts élémentaires en statistiques comme :

    • les variables aléatoires
    • le calcul différentiel
    • les fonctions convexes
    • les problèmes d'optimisation
    • les modèles de régression

    Ces bases sont appliquées sur un algorithme de classification le Perceptron.

    Déroulement du MOOC

    Ce MOOC est précédé d'un quiz de validation de niveau. Il est constitué de 7 parties et organisé en 6 semaines.

    Plan du MOOC

    • Semaine 0 : Introduction : Les enjeux du Big Data et de ce MOOC
    • Semaine 1 : Python Partie 1 / Algèbre Partie 1
    • Semaine 2 : Limites des bases de données relationnelles / Python Partie 2/ Algèbre Partie 2
    • Semaine 3 : Probabilités Partie 1/ Analyse Partie 1
    • Semaine 4 : Probabilités Partie 2/ Analyse Partie 2
    • Semaine 5 : Statistique
    • Semaine 6 : Le classifieur Perceptron

    Évaluation

    Chaque partie se termine par un quiz. La réponse au projet final se fait sous forme de quiz. La réussite de ces quiz avec 60% par thème et 70% en global permet d'obtenir une attestation de suivi avec succès.

    Informations pédagogiques

    Public

    • Public visé : Ce MOOC peut être suivi en préparation du Mastère Spécialisé "Big data : Gestion et analyse des données massives", du Certificat d'Études Spécialisées "Data Scientist" et de la formation courte "Data Science : Introduction au Machine Learning".
    • Pré-requis : Ce MOOC s'adresse à un public ayant des bases en mathématiques et en algorithmique (niveau L2 validé) qui ont besoin d'un rafraichissement de leurs connaissances pour suivre des formations en data science et big data.

    Objectif pédagogique du MOOC

    • Objectif : Ce MOOC a pour but de vous :
      • expliquer pourquoi les bases de données relationnelles ne sont pas toujours adaptées aux systèmes de données massives utiliséees dans les contextes big data
      • initier à la programmation avec le langage Python en utilisant la bibliothèque Numpy
      • fournir les concepts élémentaires en statistiques tels que :
        • les variables aléatoires
        • le calcul différentiel
        • les fonctions convexes
        • les problèmes d'optimisation
        • les modèles de régression
      • permettre d'acquérir le niveau prérequis en informatique et en statistiques

    Édition et diffusion du MOOC Fondamentaux pour le Big Data

    Édition

    Diffusion

    Conditions d'utilisation

    • Du cours : Licence Creative Commons BY-NC-ND : l'utilisateur doit mentionner le nom d'auteur, il peut exploiter l'oeuvre sauf dans un contexte commercial, il ne peut pas créer une oeuvre dérivée de l'oeuvre originale.
    • Du contenu produit par les participants : Licence restrictive : votre production relève de votre proprieté intellectuelle et ne peut donc pas être réutilisée.

    Documents annexes - MOOC Fondamentaux pour le Big Data

    MOOCs recommandés

     

  • #MOOC The Big Data Setup of the Human Brain Project (ft. Anastasia Ailamaki)

    Ajoutée le 26 janv. 2017

    Professor Anastasia Ailamaki discusses the Big Data management challenges of the Human Brain Project. She is full professor of the IC School at EPFL.
    https://people.epfl.ch/anastasia.aila...

    The Human Brain Project - Video Overview | HumanBrainProject
    https://www.youtube.com/watch?v=JqMpG...


    Azevedo, Frederico A.C. and Carvalho, Ludmila R.B. and Grinberg, Lea T. and Farfel, José Marcelo and Ferretti, Renata E.L. and Leite, Renata E.P. and Filho, Wilson Jacob and Lent, Roberto and Herculano-Houzel, Suzana (2009). Equal numbers of neuronal and nonneuronal cells make the human brain an isometrically scaled-up primate brain, in The Journal of Comparative Neurology.
    http://onlinelibrary.wiley.com/doi/10...

    David A. Drachman (2005). Do we have brain to spare? In Neurology.
    http://www.neurology.org/content/64/1...

    https://en.wikipedia.org/wiki/Neuron#...

  • #MOOC Fondamentaux pour le Big Data Inscriptions au MOOC ouvertes jusqu'au 27 mars 2017

    En savoir plus : http://www.sup-numerique.gouv.fr/cid93628/mooc-fondamentaux-pour-le-big-data.html


    FUN MOOC : Fondamentaux pour le Big Data (IMT) par fr-universite-numerique

     

     

    MOOC Fondamentaux pour le Big Data

    Inscriptions au MOOC ouvertes jusqu'au 27 mars 2017
     

    Le MOOC Fondamentaux pour le big data vous permet d'acquérir le niveau pré-requis en informatique et en statistiques pour suivre des formations dans le domaine du big data et data science.

    MOOC sur FUN-MOOC - du 30.01.17 au 3.04.2017
    Auteur(s): Stéphan Clémençon, Pierre Senellart, Anne Sabourin, Joseph Salmon, Alexandre Gramfort, Ons Jelassi
    Partagez !

    Présentation du MOOC Fondamentaux pour le Big Data

    Informations pratiques sur le MOOC

    • Type: MOOC, cours en ligne, quiz, attestation de suivi
    • Temps d'apprentissage: 6 semaines
    • Niveau: à partir de la licence (L2 validé)
    • Durée d'exécution: 04:00h/semaine
    • Langues: français
    • Contenu: vidéos, discussions
    • Public cible: personnes ayant une formation en mathématiques, suivant un master spécialisé "Big data Gestion et analyse des données massives", ou le Certificat d'Études Spécialisées "Data Scientis" ou la formation courte "Data Science : Introduction au Machine Learning"
    • Age attendu: 20 ans et +
    • Droits: Licence Creative Commons BY-NC-ND

    Description du MOOC Fondamentaux pour le Big Data

    Le big data offre de nouvelles opportunités d'emplois au sein des entreprises et des administrations. Des formations préparant à ces métiers existent. Ces formations nécessitent des connaissances en statistiques et en informatique que ce MOOC vous propose d'acquérir.

    En suivant ce MOOC vous pourrez avoir des bases dans les domaines de :

    • l'analyse
    • l'algèbre
    • les probabilités
    • les statistiques
    • la programmation Python
    • les bases de données

    Ce MOOC vous explique pourquoi les bases de données relationnelles ne sont pas toujours adaptées aux systèmes de données massives qui sont déployées dans les contextes big data.

    Ce MOOC vous initie à la programmation avec le langage Python, très utilisé dans le domaine du traitement des masses de données en utilisant la bibliothèque Numpy.

    Le traitement des données massives et la prédiction nécessitent des analyses statistiques. Cette formation vous fournit les concepts élémentaires en statistiques comme :

    • les variables aléatoires
    • le calcul différentiel
    • les fonctions convexes
    • les problèmes d'optimisation
    • les modèles de régression

    Ces bases sont appliquées sur un algorithme de classification le Perceptron.

    Déroulement du MOOC

    Ce MOOC est précédé d'un quiz de validation de niveau. Il est constitué de 7 parties et organisé en 6 semaines.

    Plan du MOOC

    • Semaine 0 : Introduction : Les enjeux du Big Data et de ce MOOC
    • Semaine 1 : Python Partie 1 / Algèbre Partie 1
    • Semaine 2 : Limites des bases de données relationnelles / Python Partie 2/ Algèbre Partie 2
    • Semaine 3 : Probabilités Partie 1/ Analyse Partie 1
    • Semaine 4 : Probabilités Partie 2/ Analyse Partie 2
    • Semaine 5 : Statistique
    • Semaine 6 : Le classifieur Perceptron

    Évaluation

    Chaque partie se termine par un quiz. La réponse au projet final se fait sous forme de quiz. La réussite de ces quiz avec 60% par thème et 70% en global permet d'obtenir une attestation de suivi avec succès.

    Informations pédagogiques

    Public

    • Public visé : Ce MOOC peut être suivi en préparation du Mastère Spécialisé "Big data : Gestion et analyse des données massives", du Certificat d'Études Spécialisées "Data Scientist" et de la formation courte "Data Science : Introduction au Machine Learning".
    • Pré-requis : Ce MOOC s'adresse à un public ayant des bases en mathématiques et en algorithmique (niveau L2 validé) qui ont besoin d'un rafraichissement de leurs connaissances pour suivre des formations en data science et big data.

    Objectif pédagogique du MOOC

    • Objectif : Ce MOOC a pour but de vous :
      • expliquer pourquoi les bases de données relationnelles ne sont pas toujours adaptées aux systèmes de données massives utiliséees dans les contextes big data
      • initier à la programmation avec le langage Python en utilisant la bibliothèque Numpy
      • fournir les concepts élémentaires en statistiques tels que :
        • les variables aléatoires
        • le calcul différentiel
        • les fonctions convexes
        • les problèmes d'optimisation
        • les modèles de régression
      • permettre d'acquérir le niveau prérequis en informatique et en statistiques

    Édition et diffusion du MOOC Fondamentaux pour le Big Data

    Édition

    Diffusion

    Conditions d'utilisation

    • Du cours : Licence Creative Commons BY-NC-ND : l'utilisateur doit mentionner le nom d'auteur, il peut exploiter l'oeuvre sauf dans un contexte commercial, il ne peut pas créer une oeuvre dérivée de l'oeuvre originale.
    • Du contenu produit par les participants : Licence restrictive : votre production relève de votre proprieté intellectuelle et ne peut donc pas être réutilisée.

    Documents annexes - MOOC Fondamentaux pour le Big Data

    MOOCs recommandés

  • #BigData & #Education - What's the Big Idea? @mendeley_com

    Ajoutée le 19 mai 2014

    Jan Reichelt from Mendeley speaking at UCL on 13th May 2014.

  • Big data innovation trends in education #BIGDATA #EDUCATION

    Ajoutée le 18 avr. 2014

    In this fourth installment of the Thomson Reuters Knowledge Worker Innovation Series Mona Vernon, Senior Director of Emerging Technology at Thomson Reuters and Dr. Una--May O'Reilly, the leader of the AnyScale Learning For All (ALFA) research group at MIT's Computer Science and Artificial Intelligence Lab, discuss big data innovation trends in education, MOOCs, interactive visualization & analytics.