Introduction à la science des données sociales avec R from edX

Bienvenue au MOOC intitulé Introduction à la science des données sociales.

Les données sont partout, et il faudra rapidement savoir comment les analyser pour en dériver des connaissances sur lesquelles nous pourrons prendre des décisions et des actions plus éclairées. Selon la prestigieuse revue Harvard Business Review , le travail du scientifique de données sera l’emploi le plus « sexy » du 21ème siècle et le développement de l’intelligence numérique devient une composante incontournable du développement professionnel. Depuis quelques années, il apparaît de plus en plus évident qu’il y a une rareté, sur le marché de l’emploi, de professionnels formés comme scientifiques des données.

Ce cours introductif à la science des données appliquées pour les sciences sociales, du comportement ou de la santé aborde les concepts et les différents outils permettant de débuter un projet en science des données et de faire les premières analyses descriptives. Cette formation permettra aussi de développer les capacités de créer des visualisations intéressantes des données analysées. Ce cours proposera des exercices pratiques pour découvrir les outils de la science des données et de la recherche « ouverte » inspirés des travaux de l’Open Science Framework. Ce cours propose d’utiliser le langage R, mais aussi des outils provenant de l’environnement Python, dont Google Colaboratory (Colab) et Jupyter Notebooks. R est un langage de programmation, en statistique et apprentissage automatique, dont la popularité est grandissante en sciences sociales et de la santé.

Ce cours gratuit et en ligne et asynchrone a été élaboré par Éric Lacourse (directeur scientifique) grâce au soutien de Praxis (Centre de formation professionnelle de la Faculté des Arts et Sciences), du Centre de pédagogie universitaire (CPU) et des Bibliothèques de l’Université de Montréal.

What you'll learn

Ce MOOC est gratuit et accessible tout au long de l’année. Son format asynchrone vous permet de le suivre à votre propre rythme. Plusieurs modalités pédagogiques sont utilisées pour faciliter vos apprentissages :

Des capsules pédagogiques présentant les notions théoriques et des exemples concrets
Des capsules vidéo présentant le point de vue d’intervenants dans le domaine
De courts quiz permettant de valider votre compréhension des concepts présentés
Des quiz sommatifs à la fin de chaque module pour valider votre compréhension et obtenir votre attestation
Des lectures pour consolider et approfondir vos apprentissages
Divers exercices pratiques vous permettant de mettre en application les notions apprises, en utilisant des données fournies ou vos propres données de recherche

What's inside

Learning objectives

Des capsules pédagogiques présentant les notions théoriques et des exemples concrets
Des capsules vidéo présentant le point de vue d’intervenants dans le domaine
De courts quiz permettant de valider votre compréhension des concepts présentés

Des quiz sommatifs à la fin de chaque module pour valider votre compréhension et obtenir votre attestation
Des lectures pour consolider et approfondir vos apprentissages
Divers exercices pratiques vous permettant de mettre en application les notions apprises, en utilisant des données fournies ou vos propres données de recherche

Des capsules pédagogiques présentant les notions théoriques et des exemples concrets
Des capsules vidéo présentant le point de vue d’intervenants dans le domaine
De courts quiz permettant de valider votre compréhension des concepts présentés
Des quiz sommatifs à la fin de chaque module pour valider votre compréhension et obtenir votre attestation
Des lectures pour consolider et approfondir vos apprentissages
Divers exercices pratiques vous permettant de mettre en application les notions apprises, en utilisant des données fournies ou vos propres données de recherche

Syllabus

Le cours se subdivise en 7 modules, pour un total de 20 heures de formation continue (8 heures de capsules vidéos ; 12 heures de travail pratique et de quiz).

Module 1 - La science des données et les statistiques sociales

Module 2 - La science ouverte

Module 3 - Introduction pratique au langage R et à l’environnement Colab

Module 4 - Les techniques d’exploration des données

Module 5 - La régression linéaire et logistique, l’outil de base de la modélisation en science des données

Module 6 - Mise en pratique des notions théoriques

Module 7 - Réflexion sur la place des données en sciences

Good to know

Know what's good

, what to watch for

, and possible dealbreakers

Intègre des aspects de la science ouverte, une tendance en hausse dans le domaine académique

Est dispensé par des instructeurs reconnus dans le domaine des sciences sociales et de la santé

Utilise le langage de programmation R, largement utilisé dans les sciences sociales et de la santé

Couvre les techniques d'exploration des données, la régression linéaire et logistique, essentielles en science des données

Requiert des connaissances préalables en statistiques, ce qui pourrait constituer un obstacle pour les débutants

Se déroule sur une plateforme en ligne asynchrone, offrant de la flexibilité aux apprenants

Activities

Be better prepared before your course. Deepen your understanding during and after it. Supplement your coursework and achieve mastery of the topics covered in Introduction à la science des données sociales avec R with these activities:

Review statistics basics

Show steps

Refine statistical knowledge for improved understanding of data-heavy concepts and applications.

Browse courses on Statistics

Show steps

Review mean, median, mode, range, and standard deviation
Practice hypothesis testing

Explore R resources

Show steps

Expand knowledge and skills by exploring additional R resources.

Browse courses on R

Show steps

Review RStudio documentation and tutorials
Explore online courses or workshops on R
Check out R user forums and discussion groups

Read 'R for Data Science'

Show steps

Build a solid foundation in R for data science applications.

View R pour les data sciences on Amazon

Show steps

Read chapters 1-4
Complete exercises and practice code examples

Five other activities

Expand to see all activities and additional details

Show all eight activities

Practice R programming

Show steps

Gain proficiency in R programming for efficient data analysis and manipulation.

Browse courses on R

Show steps

Practice data manipulation using dplyr and tidyr packages
Practice data visualization using ggplot2 package

Join a study group

Show steps

Enhance learning through collaborative discussions and peer support.

Show steps

Find other students in the course to form a study group
Schedule regular meetings
Discuss course material, work on assignments, and ask questions

Create a data visualization

Show steps

Practice creating clear and concise data visualizations for effective communication of results.

Browse courses on Data Visualization

Show steps

Choose a dataset from the course materials
Exploratory data analysis
Design visualization in R using ggplot2

Develop a data analysis project

Show steps

Demonstrate proficiency and apply skills in a practical data analysis project.

Browse courses on Data Analysis

Show steps

Define a research question
Collect and clean data
Analyze data using R
Interpret results
Communicate findings through a report or presentation

Contribute to open-source data science projects

Show steps

Gain hands-on experience and contribute to the data science community.

Browse courses on Open Source

Show steps

Identify areas where you can contribute
Find open-source data science projects on GitHub
Review project documentation
Submit pull requests

Career center

Learners who complete Introduction à la science des données sociales avec R will develop knowledge and skills that may be useful to these careers:

Data Analyst

A Data Analyst is a professional who collects, cleans, and analyzes data to identify trends and patterns. This course is a good fit for Data Analysts because it provides a foundation in data science concepts and tools. The course also covers data visualization, which is an important skill for Data Analysts.

See salaries and explore the career path for Data Analyst

Data Scientist

A Data Scientist is a professional who uses data to solve problems and make decisions. This course may be useful for Data Scientists because it introduces the concepts and tools needed to start a data science project. The course also covers descriptive statistics, data visualization, and regression analysis, which are all essential skills for Data Scientists.

See salaries and explore the career path for Data Scientist

Business Analyst

A Business Analyst is a professional who uses data to improve business operations. This course may be useful for Business Analysts because it provides a foundation in data science concepts and tools. The course also covers data visualization, which is an important skill for Business Analysts.

See salaries and explore the career path for Business Analyst

Operations Research Analyst

An Operations Research Analyst is a professional who uses data to improve the efficiency of operations. This course may be useful for Operations Research Analysts because it provides a foundation in data science concepts and tools. The course also covers data visualization, which is an important skill for Operations Research Analysts.

See salaries and explore the career path for Operations Research Analyst

Statistician

A Statistician is a professional who uses statistics to collect, analyze, and interpret data. This course may be useful for Statisticians because it provides a foundation in statistical concepts and methods. The course also covers data visualization, which is an important skill for Statisticians.

See salaries and explore the career path for Statistician

Financial Analyst

A Financial Analyst is a professional who uses data to make investment decisions. This course may be useful for Financial Analysts because it provides a foundation in data science concepts and tools. The course also covers regression analysis, which is an important skill for Financial Analysts.

See salaries and explore the career path for Financial Analyst

Data Engineer

A Data Engineer is a professional who builds and maintains data systems. This course may be useful for Data Engineers because it provides a foundation in data science concepts and tools. The course also covers data visualization, which is an important skill for Data Engineers.

See salaries and explore the career path for Data Engineer

Actuary

An Actuary is a professional who uses mathematics and statistics to assess risk. This course may be useful for Actuaries because it provides a foundation in data science concepts and tools. The course also covers regression analysis, which is an important skill for Actuaries.

See salaries and explore the career path for Actuary

Epidemiologist

An Epidemiologist is a professional who studies the distribution and patterns of health and disease in populations. This course may be useful for Epidemiologists because it provides a foundation in data science concepts and tools. The course also covers regression analysis, which is an important skill for Epidemiologists.

See salaries and explore the career path for Epidemiologist

Policy Analyst

A Policy Analyst is a professional who uses data to inform public policy. This course may be useful for Policy Analysts because it provides a foundation in data science concepts and tools. The course also covers data visualization, which is an important skill for Policy Analysts.

See salaries and explore the career path for Policy Analyst

Market Researcher

A Market Researcher is a professional who collects, analyzes, and interprets data to understand consumer behavior. This course may be useful for Market Researchers because it provides a foundation in data science concepts and tools. The course also covers data visualization, which is an important skill for Market Researchers.

See salaries and explore the career path for Market Researcher

Quantitative Researcher

A Quantitative Researcher is a professional who uses data to make investment decisions. This course may be useful for Quantitative Researchers because it provides a foundation in data science concepts and tools. The course also covers regression analysis, which is an important skill for Quantitative Researchers.

See salaries and explore the career path for Quantitative Researcher

Social Scientist

A Social Scientist is a professional who studies human behavior and society. This course may be useful for Social Scientists because it provides a foundation in data science concepts and tools. The course also covers data visualization, which is an important skill for Social Scientists.

See salaries and explore the career path for Social Scientist

Behavioral Scientist

A Behavioral Scientist is a professional who studies the behavior of humans and animals. This course may be useful for Behavioral Scientists because it provides a foundation in data science concepts and tools. The course also covers data visualization, which is an important skill for Behavioral Scientists.

See salaries and explore the career path for Behavioral Scientist

Machine Learning Engineer

A Machine Learning Engineer is a professional who builds and maintains machine learning models. This course may be useful for Machine Learning Engineers because it provides a foundation in data science concepts and tools. The course also covers regression analysis, which is an important skill for Machine Learning Engineers.

See salaries and explore the career path for Machine Learning Engineer