Cette UE porte sur l’utilisation du langage R et Python ainsi que leurs extensions pour le traitement, l’exploration, la visualisation et l’analyse des données de santé. Les étudiantes et étudiants apprendront également à développer des applications web pour l'exploration et l'analyse de jeux de données avec la bibliothèque Shiny.
Cette unité d’enseignement a pour objectif d’introduire les concepts fondamentaux de l’intelligence artificielle appliquée à la santé, en particulier ceux liés à l’apprentissage automatique (machine learning). Elle présente les principales familles d’algorithmes prédictifs, ainsi que les avancées récentes dans le domaine, notamment en traitement automatique du langage naturel (TALN) pour l’analyse de texte libre. Les étudiants apprendront à concevoir et entraîner des modèles de machine learning adaptés aux données de santé, et aussi à évaluer de manière critique les résultats de ces méthodes.
Lecture Critique D'article, Intelligence Artificielle et Médecine
Ce cours propose une introduction aux fondements de l’intelligence artificielle et de l’apprentissage statistique appliqués au domaine de la santé. Il couvre les principales approches historiques et contemporaines de l’IA, en mettant l’accent sur leurs principes, leurs applications et leurs limites dans un contexte médical. Le cours s’articule autour de deux grandes parties complémentaires : la première présente les principes théoriques et méthodologiques fondamentaux qui sous-tendent l’intelligence artificielle et l’apprentissage statistique, tandis que la seconde est consacrée aux applications concrètes de ces méthodes dans le domaine de la santé, afin d’illustrer leur potentiel et leurs enjeux pratiques.
Chargé de TD.