Introduction à la science des données sociales avec R

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.

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