Recherche reproductible : principes méthodologiques pour une science transparente
Offered By: Inria (French Institute for Research in Computer Science and Automation) via France Université Numerique
Course Description
Overview
Description
Vous prenez des notes et vous voulez vous y retrouver ? Vous faites des calculs sur ordinateur et vos résultats changent d’un jour à l’autre ? Vous aimeriez partager avec vos collègues vos analyses de données et vos derniers travaux et qu’ils puissent les réutiliser ?
Ce Mooc d'une durée de 24h est pour vous,doctorant-e-s,chercheur-se-s,étudiant-e-s en master,enseignant-e-s,ingénieur-e-sde toutes disciplines qui souhaitez vous former à des environnements de publication et des outils fiables :
- Markdownpour la prise de note structurée
- desOutils d'indexation(DocFetcher et ExifTool)
- Gitlabpour le suivi de version et le travail collaboratif
- Notebooks(jupyter, rstudio ou org-mode) pour combiner efficacement calcul, représentation et analyse des données
Vous apprendrez au cours des exercices basés sur des cas pratiques à utiliser ces outils pour améliorer votre prise de notes, votre gestion des données et des calculs. Pour cela, vous disposerez d'un espace Gitlabet d'un espace Jupyter, intégrés à la plateforme FUN et qui ne nécessitent aucune installation. Ceux qui le souhaitent pourront réaliser les travaux pratiques avecRstudioouOrg-modeaprès avoir installé ces outils sur leur machine. Toutes les procédures d'installation et de configuration des outils sont fournies dans le Mooc, ainsi que de nombreux tutoriels.
Nous vous présenterons également les enjeux et les difficultés de la recherche reproductible.
Syllabus
Plan de cours
- Posons le décor : La reproductibilité, en crise ? Reproductibilité et transparence
- Module 1 : Cahier de notes, cahier de laboratoire
- Module 2 : La vitrine et l’envers du décor : le document computationnel
- Module 3 : La main à la pâte : une analyse réplicable
- Module 4 : Vers une étude reproductible : la réalité du terrain
Tags
Related Courses
Introduction to Data Science in PythonUniversity of Michigan via Coursera Julia Scientific Programming
University of Cape Town via Coursera Python for Data Science
University of California, San Diego via edX Probability and Statistics in Data Science using Python
University of California, San Diego via edX Introduction to Python: Fundamentals
Microsoft via edX