CEDRE

CEDRE propose une offre de formation complète destinée à l’ensemble des acteurs de la recherche : chercheurs, enseignants-chercheurs, ingénieurs, doctorants et personnels d’appui. Ces formations permettent d’acquérir les compétences essentielles pour manipuler, traiter, analyser et visualiser les données de recherche à l’aide d’outils adaptés aux besoins scientifiques.

Elles accompagnent également la communauté de recherche du site d’Aix-Marseille dans le développement de compétences sur des thématiques spécifiques, tout en favorisant l’adoption des principes FAIR, piliers de la Science Ouverte.

Dans cette dynamique, CEDRE déploie, en partenariat avec l’École de Développement des Talents, un parcours de formation structuré et progressif (Modules A à C), conçu pour vous accompagner dans la gestion et l’exploitation de vos données. Un module complémentaire d’initiation au langage SQL est également proposé.

Vous avez des besoins spécifiques en matière de formation autour des données de la recherche ? N’hésitez pas à nous contacter via le bouton « Nous contacter ».

Grands principes de la gestion des données de recherche : une formation de sensibilisation aux enjeux et grands principes de gestion des données de la recherche. Au travers de recommandations, rappels de bonnes pratiques et échanges, l’objectif sera de vous faire adopter les bons réflexes et que vous vous posiez les bonnes questions, au bon moment. Nous aborderons la notion et les enjeux de la Science ouverte, les principes FAIR, les étapes du cycle de vie de la donnée ainsi que le plan de gestion de données et les nouvelles formes de publications. En complément, une attention toute particulière sera prêtée aux aspects juridiques et réglementaires entourant cette gestion, avec une deuxième partie de journée dédiée à ce thème : définir vos données de recherche, découvrir et appréhender le cadre légal tout en comprenant les enjeux relatifs au traitement de vos données afin d’acquérir une méthodologie pratique pour répondre à vos problématiques juridiques.

Objectif du module :

• Comprendre le rôle stratégique des données dans la recherche
• Appliquer les principes FAIR pour garantir la qualité et l'accessibilité des données
• Appliquer les techniques de nettoyage et de structuration pour des analyses fiables

Cette formation a été conçue par le CEntre de formation et de soutien aux Données de la REcherche (CEDRE) en partenariat avec l'École de Développement des Talents (EDT) pour aider les encadrants en unité de recherche, les ingénieurs, les chefs de projet et tout autre professionnel intéressé, à développer une approche orientée Science des Données (Data Science) ainsi que des compétences opérationnelles en gestion, préparation, analyse et exploitation des données de recherche.

Objectifs du parcours :

• Comprendre le rôle stratégique des données dans le domaine de l’enseignement supérieur et de la recherche, tout au long de leur cycle de vie. 
• Intégrer les grands principes de qualité, de structuration et de partage des données, notamment à travers les principes FAIR.
• Préparer, nettoyer et transformer des jeux de données afin de garantir la fiabilité des analyses et des traitements ultérieurs.
• Exploiter et interroger des données structurées à l’aide de bases de données relationnelles et du langage SQL.
• Mobiliser des outils et librairies Python de référence pour analyser les données, produire des visualisations et mettre en œuvre des premiers modèles d’analyse et de machine learning.

Objectif du module :

• Revoir et approfondir les connaissances en Python
• Comprendre comment manipuler des données
• Explorer Numpy et Pandas pour nettoyer et structurer efficacement vos ensembles de données
• Créer des visualisations claires et impactantes avec Matplotlib et Seaborn
• Appréhender les grands principes du machine learning et mettre en place un premier modèle avec Scikit-Learn

Cette formation a été conçue par le CEntre de formation et de soutien aux Données de la REcherche (CEDRE) en partenariat avec l'École de Développement des Talents (EDT) pour aider les encadrants en unité de recherche, les ingénieurs, les chefs de projet et tout autre professionnel intéressé, à développer une approche orientée Science des Données (Data Science) ainsi que des compétences opérationnelles en gestion, préparation, analyse et exploitation des données de recherche.

Objectifs du parcours :

• Comprendre le rôle stratégique des données dans le domaine de l’enseignement supérieur et de la recherche, tout au long de leur cycle de vie. 
• Intégrer les grands principes de qualité, de structuration et de partage des données, notamment à travers les principes FAIR.
• Préparer, nettoyer et transformer des jeux de données afin de garantir la fiabilité des analyses et des traitements ultérieurs.
• Exploiter et interroger des données structurées à l’aide de bases de données relationnelles et du langage SQL.
• Mobiliser des outils et librairies Python de référence pour analyser les données, produire des visualisations et mettre en œuvre des premiers modèles d’analyse et de machine learning.

Objectif du module :

• Utiliser Numpy et Pandas pour manipuler des jeux de données
• Effectuer des opérations de transformation (filtrage, regroupement, fusion)
• Nettoyer des données (valeurs manquantes, données aberrantes, duplicatas)
• Explorer les techniques de prétraitement (normalisation, encodage de variables)
• Acquérir des compétences pratiques pour préparer les données avant l'analyse et la modélisation

Cette formation a été conçue par le CEntre de formation et de soutien aux Données de la REcherche (CEDRE) en partenariat avec l'École de Développement des Talents (EDT) pour aider les encadrants en unité de recherche, les ingénieurs, les chefs de projet et tout autre professionnel intéressé, à développer une approche orientée Science des Données (Data Science) ainsi que des compétences opérationnelles en gestion, préparation, analyse et exploitation des données de recherche.

Objectifs du parcours :

• Comprendre le rôle stratégique des données dans le domaine de l’enseignement supérieur et de la recherche, tout au long de leur cycle de vie. 
• Intégrer les grands principes de qualité, de structuration et de partage des données, notamment à travers les principes FAIR.
• Préparer, nettoyer et transformer des jeux de données afin de garantir la fiabilité des analyses et des traitements ultérieurs.
• Exploiter et interroger des données structurées à l’aide de bases de données relationnelles et du langage SQL.
• Mobiliser des outils et librairies Python de référence pour analyser les données, produire des visualisations et mettre en œuvre des premiers modèles d’analyse et de machine learning.

Objectif du module :

• Comprendre le fonctionnement global des bases de données relationnelles et connaître le vocabulaire associé aux modèles de données.
• Découvrir les opérations CRUD fondamentales en gestion des données afin de créer, consulter, modifier et supprimer des informations de manière structurée.
• Connaître les principes essentiels du langage SQL et savoir formuler des requêtes simples pour interroger efficacement une base de données.
• Être capable de filtrer, trier et organiser les résultats d’une requête afin d’extraire des informations pertinentes selon différents critères.
• Utiliser des fonctions d’agrégation pour analyser et synthétiser les données.
• Mettre en œuvre les différents types de jointures pour combiner plusieurs tables et produire des résultats cohérents à partir de données réparties.

Cette formation a été conçue par le CEntre de formation et de soutien aux Données de la REcherche (CEDRE) en partenariat avec l'École de Développement des Talents (EDT) pour aider les encadrants en unité de recherche, les ingénieurs, les chefs de projet et tout autre professionnel intéressé, à développer une approche orientée Science des Données (Data Science) ainsi que des compétences opérationnelles en gestion, préparation, analyse et exploitation des données de recherche.

Objectifs du parcours :

• Comprendre le rôle stratégique des données dans le domaine de l’enseignement supérieur et de la recherche, tout au long de leur cycle de vie. 
• Intégrer les grands principes de qualité, de structuration et de partage des données, notamment à travers les principes FAIR.
• Préparer, nettoyer et transformer des jeux de données afin de garantir la fiabilité des analyses et des traitements ultérieurs.
• Exploiter et interroger des données structurées à l’aide de bases de données relationnelles et du langage SQL.
• Mobiliser des outils et librairies Python de référence pour analyser les données, produire des visualisations et mettre en œuvre des premiers modèles d’analyse et de machine learning.