M1 Bio-informatique et biostatistiques

DucrocqCsilla, PRCE classe exceptionnelle, Université Paris-Sud LeLain Christine, PRAG, Université Paris-Sud.

Début septembre: test de niveau, puis 7 ou 8 semaines de TD de 3 ou 4H.

Objectifs :
Etre capable de tenir une réunion sur des sujets professionnels en anglais.
Etre capable de faire une présentation professionnelle en anglais.
Préparation à une certification en anglais (Linguaskill de Cambridge University).
Rédiger un CV et lettre de motivation en anglais.

Contenu :
Après une introduction aux techniques de présentation plusieurs sujets liés aux étudies et au monde professionnel futur des étudiants sont abordés (per ex. CRISPR Cas9 et ses applications, Travailler en co-working, l'Intillegence artificielle, etc.) sous forme de texte, audio ou vidéos authentiques en anglais.La structure des réunions professionnelles, les expressions idiomatiques typiques, la langue diplomatique et formelle sont abordées.Les étudiants mettent en scène des réunions sur des thématiques professionnelles qu'ils auront choisies et présentées au préalable. La préparation spécifique à la certification Linguaskill se fait sur le plateforme WIMS via des exercices virtuelles créées à cet effet. Après avoir étudié des CV et lettres de motivation authentiques en anglais, les étudiants préparent leurs propre CV et lettre puis mettent en scène un entretien d'embauche.

Idéalement un niveau B1 en anglais.

Septembre - Octobre - Novembre.

GIF-SUR-YVETTE

LESPINET Olivier, PR, Université Paris-Sud + collègues de l'ENS Paris-Saclay.

L'UE sera constituée de cours, de lectures d'articles et de TD qui seront l'occasion de discuter plus en détails des articles lus par les étudiants ainsi que de certains points du cours afférents.

Objectifs : Acquérir les connaissances de base en biologie, permettant aux étudiants non biologistes (Licence de Maths et d'Informatique) de comprendre les problématiques biologiques et la nature des données auxquelles ils seront confrontés dans le cadre de la formation.

Contenu : Les notions suivantes seront développées au cours des cours et des TD : le vivant : de la cellule à l'organisme; unité du monde vivant : Réplication, transcription et traduction; génome et séquençage; Régulation de l'expression génétique; évolution en biologie; le métabolisme et sa régulation;.

Aucun.

Molecular Biology of the Cell, Bruce Alberts et al., 6th edition, 2014, Garland Science.

Septembre - Octobre - Novembre - Décembre - Janvier.

ORSAY

LESPINET Olivier, PR, Université Paris-Sud.

Projet en immersion dans un laboratoire.

Objectifs : Permettre aux étudiants non de suivre et de participer à un projet dans un laboratoire de biologie.

Avoir suivi les enseignements de l'UE MiniBio 1.

Septembre - Octobre - Novembre - Décembre - Janvier.

ORSAY

Grynszpan Ouriel, PR, Paris-Sud Chevalier Stéphanie, Doctorante, Paris-Sud + Dominique Barth de l'UVSQ pour l'EF MatNum : Design de matériaux avancés – Science des matériaux et du numérique" du Master mention "Sciences et génie des matériaux".

L'évaluation se fait sur la base de contrôles continus, d'un projet de programmation et d'un examen final.

Les thèmes suivants sont abordés : introduction à l'algorithmique; instructions élémentaires; bases du langage C; introduction à UNIX; fonctions et procédures; tableaux; sémantique; algorithmes de tris (e.g. bulle, rapide, fusion); notion de complexité; récursivité; types abstraits (pré-objet).

Aucun.

Septembre - Octobre - Novembre - Décembre - Janvier.

ORSAY

Cohen-Boulakia Sarah, PR, Université Paris-Sud + collègues de l'UVSQ pour les étudiants de l'EF "MatNum : Design de matériaux avancés – Science des matériaux et du numérique" du Master mention "Sciences et génie des matériaux".

Ce module comporte chaque semaine une séance de cours et de TD (pour les séances liée à la modélisation, au passage au relationnel et à l'algèbre relationnelle) ou TP (pour les séances SQL). Il comporte en fin de module des séances dédiées à un petit projet encadré (équivalent à trois TP notés en terme de charge de travail pour les étudiants).

Savoir concevoir, implémenter et interroger une base de données relationnelle; Savoir écrire une requête en algèbre relationnelle et la traduire en SQL; Connaître les limites de l'expressivité de l'algèbre et de SQL.

Contenu :
Conception et implémentation d'une base de données relationnelle
- Conception d'une base de données : à partir d'un cahier des charges simple, modélisation d'une base de données en UML (diagramme de classe) ;
- Modèle relationnel : concepts de base (par exemple, table, attribut, n-uplet...), contraintes (par exemple, les clés).
- Passage d’un diagramme des classes UML à une Base de Données Relationnelles ;
- Implementation de la base en SQL : création/modification/destruction de tables et de contraintes; remplissage de la base et suppression de son contenu
- Interrogation d'une base de données en SQL : opérateurs SELECT-FROM-WHERE-GROUP BY-HAVING; requêtes imbriquées
- Introduction à l'algèbre relationnel et lien entre algèbre relationnel et SQL; pouvoir expressif de l'algèbre et de SQL.

Aucun.

Raghu Ramakrishnan, « Database Management Systems », 3ème edition, McGraw-Hill.

Septembre - Octobre - Novembre - Décembre - Janvier.

ORSAY

Fevrier Maxime, MCF, Université Paris Sud Pham Ngoc Thanh Mai, MCF, Université Paris-Sud.

13 séances de 3h de CM illustrées par 10 séances de TD de 3h et 10 séances de TP de 3h (en salle informatique). MCC: 1 Contrôle Continu sur table portant sur la Partie 1) (0.25), 1 Contôle Continu sous forme de TP sur la Partie 4) (0.25), 1 examen en fin de semestre (0.5.

Objectifs :
Connaître et savoir utiliser les fondements mathématiques nécessaires pour la suite de la formation; prendre en main le langage R à des fins statistiques.

Contenu :
1) Analyse-Probabilités : rappels sur la dérivabilité, équations différentielles, introduction aux probabilités.
2) Introduction aux Statistiques : Estimation, Intervalles de confiance, Tests.
3) Algèbre linéaire: Matrices,définition et réduction. Vecteurs Gaussiens.
4) Programmation: prise en main de R, utilisation en statistique.

Mathématiques niveau Bac à dominante "Scientifique".

Septembre - Octobre - Novembre - Décembre - Janvier.

ORSAY

Olivier Lespinet, PR, Université Paris-Sud Cohen-Boulakia Sarah, PR, Université Paris-Sud.

Mise en situation dans un laboratoire.

L'objectif de cette UE est de mettre les étudiants en situation dans un laboratoire durant une ou plusieurs demi-journée par semaine.
Il s'agit un travail encadré qui vient en remplacement des UE de mise à niveau (Maths, Biologie ou Informatique), pour les étudiants pour lesquels une partie des mise à niveau ne se justifie pas. La durée du TER sera fonction du volume de mise à niveau pour lequel les étudiants sont dispensés.

Avoir déjà validé des enseignements jugés équivalents à une partie des enseignements des UE de mise à niveau.

Septembre - Octobre - Novembre - Décembre - Janvier.

ORSAY

Olivier Lespinet, PR, Université Paris-Sud Cohen-Boulakia Sarah, PR, Université Paris-Sud.

Mise en situation dans un laboratoire.

L'objectif de cette UE est de mettre les étudiants en situation dans un laboratoire.
Il s'agit un travail encadré qui vient en remplacement des UE de mise à niveau (Maths, Biologie ou Informatique), pour les étudiants pour lesquels une partie des UE de mise à niveau ne se justifie pas. La durée du TER sera fonction du volume de mise à niveau pour lequel les étudiants sont dispensés.

Avoir déjà validé des enseignements jugés équivalents à une partie des enseignements des UE de mise à niveau.

Septembre - Octobre - Novembre - Décembre - Janvier.

ORSAY

Olivier Lespinet, PR, Université Paris-Sud Cohen-Boulakia Sarah, PR, Université Paris-Sud.

Mise en situation dans un laboratoire.

L'objectif de cette UE est de mettre les étudiants en situation dans un laboratoire.
Il s'agit un travail encadré qui vient en remplacement des UE de mise à niveau (Maths, Biologie ou Informatique), pour les étudiants pour lesquels une partie des UE de mise à niveau ne se justifie pas. La durée du TER sera fonction du volume de mise à niveau pour lequel les étudiants sont dispensés.

Avoir déjà validé des enseignements jugés équivalents à une partie des enseignements des UE de mise à niveau.

Septembre - Octobre - Novembre - Décembre - Janvier.

ORSAY

Olivier Lespinet, PR, Université Paris-Sud Cohen-Boulakia Sarah, PR, Université Paris-Sud.

Mise en situation dans un laboratoire.

L'objectif de cette UE est de mettre les étudiants en situation dans un laboratoire.
Il s'agit un travail encadré qui vient en remplacement des UE de mise à niveau (Maths, Biologie ou Informatique), pour les étudiants pour lesquels une partie des UE de mise à niveau ne se justifie pas. La durée du TER sera fonction du volume de mise à niveau pour lequel les étudiants sont dispensés.

Avoir déjà validé des enseignements jugés équivalents à une partie des enseignements des UE de mise à niveau.

Septembre - Octobre - Novembre - Décembre - Janvier.

ORSAY

Olivier Lespinet, PR, Université Paris-Sud Cohen-Boulakia Sarah, PR, Université Paris-Sud.

Mise en situation dans un laboratoire.

L'objectif de cette UE est de mettre les étudiants en situation dans un laboratoire.
Il s'agit un travail encadré qui vient en remplacement des UE de mise à niveau (Maths, Biologie ou Informatique), pour les étudiants pour lesquels une partie des UE de mise à niveau ne se justifie pas. La durée du TER sera fonction du volume de mise à niveau pour lequel les étudiants sont dispensés.

Avoir déjà validé des enseignements jugés équivalents à une partie des enseignements des UE de mise à niveau.

Septembre - Octobre - Novembre - Décembre - Janvier.

ORSAY

Lespinet Olivier, PR, Université Paris-Sud Lopes Anne, PR, Université Paris-Sud Gautheret Daniel, PR, Université Paris-Sud.

Objectifs : Appliquer les principes de l'évolution moléculaire pour analyser des séquences nucléiques et protéiques afin de déterminer leur fonction, leur origine et leur évolution.

Contenu :
Données génomiques: origine et formats des données, principales bases de données, interrogation des bases.
Principes et algorithmes des alignements de séquences (Programmation dynamique).
Principes de l'alignement multiples de séquences (Alignement progressif).
Algorithmes de recherche dans les banques de données de séquences (BLAST).
Méthodes de construction des phylogénies (Parcimonie, Distances et méthodes probabilistes).
Méthodes de représentation des motifs de séquences (positionnels et compositionnels).
Annotation fonctionnelle des génomes.

Aucun.

Septembre - Octobre - Novembre - Décembre - Janvier.

ORSAY

Duquerroy Stéphane, MCF, Université Paris-Sud Nessler Sylvie, PR, Université Paris-Sud.

Les séances (3 h 00 - semestre 1) se déroulent en salle informatique, avec une alternance de phases de cours et de phases de mises en application pratiques.

Objectifs :
Explorer et comprendre la structure des macromolécules biologiques.
Connaître et savoir utiliser les ressources de la biologie structurale.

Contenu :
- Rechercher une information dans les banques de séquences de protéine
- Effectuer une recherche d'homologues par similarité de séquence
- Caractériser une famille de protéines par alignements multiples
- Maîtriser les programmes de prédiction de structures secondaires
- Reconnaître les régions intrinsèquement désordonnées des protéines
- Rechercher une structure 3D dans la Protein Data Bank
- Analyser une structure 3D de protéine, de complexe protéique
- Savoir utiliser un logiciel graphique de représentation moléculaire
- Comparer deux structures par superposition.

Aucun.

Novembre - Décembre - Janvier.

ORSAY

Josiane Warszawski, Sophie Grabar (co-responsable), Alexandra Rouquette, Lamiae Grimaldi, Michel Azizi, Joel Coste, Guillemette Antoni.

Enseignement en PRESENTIEL ou en DISTANTIEL (au choix à préciser en début d'année universitaire) Les examens ont lieu pour tous à la faculté de médecine de Paris-Sud.

Mêmes documents pédagogiques pour tous, en ligne sur le site pédagogique. Corrigés des exercices visibles en ligne une semaine après le TD correspondant.

1°) Pour étudiants inscrits en PRESENTIEL : 10 Séances de cours-TD (avec corrections commentées) de 3 heures en soirée, dont la dernière correspond à une séance de synthèse/révision, de fin octobre à 1ère semaine de janvier.

2°) Pour étudiants inscrits en DISTANTIEL : pas d'enseignement en présentiel hebdomadaire, autonomie requise. Une séance facultative de synthèse et corrections sélectives en présentiel organisée à la faculté de médecine de Paris-Sud fin décembre.

L'objectif des d'apporter une première initiation aux notions de base de l'épidémiologie et de la recherche clinique (sources de données et type d'échantillonnage, mesures de fréquence et d'association, principaux biais, évaluation des méthodes diagnostiques, conception d'un protocole d'essai clinique).
Il s'agit d'une introduction aux UE du deuxième semestre ( Recherche clinique , Epidémiologie quantitative ) qui permet de mettre en application certaines notions de biostatistique acquises parallèlement. L'analyse multivariée n'est pas abordée.

Notions élémentaires de statistique. Le début de cette UE est volontairement décalé pour permettre d'acquérir parallèlement ces notions dans le cadre d'une inscription parallèle indispensable à l'une des deux UE de méthodologie statistique du M1.

-Grands types d'investigation (observation, expérimentation), notion de causalité -Mesures de fréquence -Mesures d'association -Indices informationnels diagnostiques -Sources de donnée (statistiques sanitaires, registres, données démographiques…) -Intr.

Octobre - Novembre - Décembre - Janvier.

KREMLIN-BICETRE

Lelandais Gaëlle, PR, Université Paris-Sud Gallopin Mélina, MCF, Université Paris-Sud.

Les séances (3h) se déroulent en salle informatique, avec une alternance de phases de cours et de phases de mises en application pratiques. Des évaluations des acquis de compétences sont proposées régulièrement aux étudiants sous la forme de questionnaires sur Internet (auto-évaluation non notées). Le travail en groupe est encouragé lors des mises en application pratiques. Un forum est mis à la disposition des étudiants, pour favoriser les discussions et le partage d’informations en dehors de la classe.

Objectifs :
Savoir définir la modélisation en biologie et discuter des exemples.
Savoir identifier les paramètres nécessaires à la description d’une régulation transcriptionnelle.
Savoir formaliser une régulation transcriptionnelle sous la forme d’une équation mathématique.
Savoir représenter un réseau de régulations transcriptionnelles en utilisant le logiciel R.
Savoir mettre en application une modélisation de profils temporels d’expression de gènes (exemple de la biogénèse mitochondriale).
Savoir appliquer des méthodes d’inférence de réseaux de régulations sur des données simulées.

Contenu :
Cet enseignement est une introduction à la modélisation des systèmes et réseaux biologiques. Le cours se décompose en 3 parties. Dans une première partie, un travail est réalisé autour des réseaux de régulations transcriptionnelles (E. coli) et des « network motifs ». Il est montré l’importance de ces motifs pour la dynamique d’adaptation des cellules à un environnement changeant. Différents exemples de réseaux sont étudiés et représentés graphiquement. Dans une deuxième partie, l’intérêt de la modélisation de profils temporels d’expression de gènes par une fonction mathématique est illustré, dans le cadre d’une étude de la biogénèse mitochondriale (S. cerevisiae). Enfin les problématiques mathématiques sous-jacentes aux méthodes d’inférence de réseaux de régulations sont présentées et discutées via la mise en application sur des données simulées.

Aucun.

AN INTRODUCTION TO SYSTEMS BIOLOGY - DESIGN PRINCIPLES OF BIOLOGICAL CIRCUITS (Uri Alon, ed. Chapman & ALL/CRC, 2006) Qualitative analysis of gene networks. Thieffry D, Thomas R. Pac Symp Biocomput. 1998:77-88. PMID: 9697173 Spatio-temporal dynamics of yeast mitochondrial biogenesis: transcriptional and post-transcriptional mRNA oscillatory modules. Lelandais G, Saint-Georges Y, Geneix C, Al-Shikhley L, Dujardin G, Jacq C. PLoS Comput Biol. 2009 Jun;5(6):e1000409. doi: 10.1371/journal.pcbi.1000409. Epub 2009 Jun 12. PMID: 19521515.

Septembre - Octobre - Novembre - Décembre - Janvier.

ORSAY

PASI Marco, MCF, Ecole Normale Supérieure Paris-Saclay LOPES Anne, MCF, Université Paris Sud GUEROIS Raphaël, chercheur, CEA ANDREANI Jessica, chercheur, CEA.

Les séances de 3h s'organiseront autour de cours magistraux et de travaux pratiques sur machines.

Objectifs :
- savoir construire un modèle 3D de protéine par homologie
- réaliser un docking protéine-protéine et analyser les résultats
- savoir manipuler et analyser les propriétés des interfaces et surfaces protéiques en utilisant ses propres outils et en identifiant les autres outils disponibles
- connaître les déterminants moléculaires de la spécificité des interactions protéine-protéine et protéine-acide nucléique
- comprendre les relations/l'articulation entre deux échelles différentes (atomique et systémique) dans l'évolution des structures des protéines et de leurs assemblages
- apprendre à chercher l'information dans les bases de données puis à la traiter avec ses propres outils
- apprendre à synthétiser et présenter ses résultats

Contenu :
Dans cette UE nous verrons les approches de bioinformatique structurale et de modélisation moléculaire pour la modélisation des structures 3D des protéines et de leurs assemblages. Nous présenterons les méthodes de modélisation par homologie, de docking moléculaire (template-based et ab initio) puis quelques applications du docking moléculaire en biologie. Une partie théorique présentera les concepts et les méthodes et une partie pratique permettra aux étudiants de s'approprier les outils existants, analyser les résultats avec leurs propres outils puis les interpréter.

- bases de la biologie structurale (structure 2D et 3D des protéines) - bases de la bioinformatique structurale (en termes de méthodes/outils : prédiction de structure secondaire, utilisation de pymol, blast, alignements multiples de séquences, en termes.

[1] E.D. Levy, S. De, S.A. Teichmann, Cellular crowding imposes global constraints on the chemistry and evolution of proteomes, Proceedings of the National Academy of Sciences. 109 (2012) 20461–20466. doi:10.1073/pnas.1209312109.

Avril - Mai - Juin.

ORSAY

NAULET Zacharie, MCF, Université Paris-Sud.

7 séances de 3 heures: 1h30 cours + 1h30 TP.

Objectif : Apprendre à modéliser des données de biologie et des données omiques en utilisant les méthodes statistiques des modèles linéaires.

Contenu :
Méthodologie et pratique des modèles linéaires (régression multiple, analyse de la variance);
Méthodes de sélection de variables;
Introduction à la grande dimension: tests multiples, régression LASSO;
Les analyses de données se font avec le logiciel R.

Bases de l'inférence statistique (estimation, intervalles de confiance, tests), du calcul matriciel (inverse, déterminant,valeurs propres d'une matrice) et du calcul différentiel (dérivées, dérivées partielles d'ordre 2. Bases de la programmation avec R.

Régression avec R, Cornillon et Matzner-Lober (2011).

Février - Mars - Avril.

ORSAY

Gallopin Mélina, MCF, Université Paris Sud.

Les séances de 3h auront lieu en salle informatique, en classe entière. Ces séances alterneront cours et applications sur le logiciel R.

Objectifs :
- Savoir modéliser des problèmes de biologie et de bioinformatique simples à l'aide de modèles probabilistes à variables cachées
- Savoir utiliser les outils implémentant les algorithmes d'estimation des paramètres dans les modèles à variables cachées
- Savoir interpréter les paramètres estimés en sortie des algorithmes utilisés dans un contexte biologique particulier

Contenu :
Cette UE introduit les modèles probabilistes à variables cachées utiles en biologie et bioinformatique. On abordera d’abord les modèles de mélanges de lois de probabilités, le principe de l’algorithme Espérance-Maximisation et leur application à la modélisation et analyse de données biologiques. Puis nous aborderons les chaînes de Markov, les modèles de Markov cachés et les algorithmes probabilistes d’estimation associés. L’accent sera mis sur le savoir-faire appliqué et sur l’utilisation de ces modèles, notamment en analyse de séquences biologiques.

Maîtrise du logiciel R. Maîtrise des techniques d'analyses de données multivariées et statistique inférentielle.

Avril - Mai - Juin.

ORSAY

POURSAT Marie-Anne, MCF, Université Paris Sud.

7 séances de 3 heures: 1h30 cours + 1h30 TP.

Objectifs : Acquérir les bases de la théorie du maximum de vraisemblance et des procédures de tests associées. Pratiquer la méthodologie dans les modèles de régression logistique et modèles de régression non-linéaires.

Contenu :
Optimisation du critère de vraisemblance
Loi de l'estimateur du maximum de vraisemblance
Tests de rapport de vraisemblance
Régression linéaire et non-linéaire
Régression logistique
Pratique des modèles et analyse de données avec R.

Bases de l'inférence statistique (estimation, intervalles de confiance, tests), du calcul matriciel (inverse, déterminant,valeurs propres d'une matrice), du calcul différentiel (dérivées, dérivées partielles d'ordre 2. Bases de la programmation avec R.

Février - Mars - Avril - Mai - Juin.

ORSAY

DENISE Alain, PR, Université Paris-Sud.

Algorithmique pour la Biologie :
- Structures de données complexes : listes chaînées, piles, files;
- Notions sur la complexité des algorithmes en espace et en temps ;
- Structures arborescentes : propriétés des arbres binaires et algorithmes récursifs sur les arbres ;
- Programmation dynamique : quelques exemples.
Les algorithmes sont appliqués à des problèmes issus de la bioinformatique.

Fouille de données :
- Notions fondamentales de l’apprentissage automatique
- Algorithmes élémentaires d’apprentissage supervisé et non supervisé : arbres de décision, règles de couverture, K-plus-proches voisins et Bayésien naïf ; classification hiérarchique et K-means.
- Principales mesures d’évaluation.

Bases de l'algorithmique et de la programmation, selon le programme de l'UE de mise à niveau en algorithmique et programmation de l'EF M1 BIBS.

Février - Mars - Avril - Mai - Juin.

ORSAY

DESCORPS-DECLERE Stéphane, Chercheur, Institut Pasteur (Paris) JACQUOT Alice, ATER, Université Paris-Sud.

Objectifs : Apprentissage des techniques de programmation orientée objet utilisant pour se faire les languages Java et Python.

Contenu :
Découverte des plateformes logicielles utilisées.
Introduction au paradigme objet et UML.
Notions de classes et instances de classes.
Héritage, polymorphisme et abstractions.
Gestion des erreurs à l'aide d'exceptions.
Introduction à la programmation par Design Pattern.

Aucun.

Février - Mars - Avril - Mai - Juin.

ORSAY

Lespinet Olivier, PR, Université Paris-Sud Lopes Anne, MCF, Université Paris-Sud.

Les séances de 3h s'organiseront autour de cours magistraux et de travaux pratiques sur machines.

Objectifs : Apprentissage du langage python pour concevoir des scripts et des workflows (enchaînement e plusieurs scripts) d'analyse de données et objets biologiques.

Contenu : Les types de données ;Les entrées et sorties ;Tests et structures de contrôles ;Structures de données ;Fonctions et modules ;Expression régulières ;Gestion des processus ;.

Maîtriser les bases d'algorithmique et de programmation impérative (UE MiniInfo 1).

Février - Mars - Avril - Mai - Juin.

ORSAY

Jacquot Alice, MAST, Université Paris-Sud Amar Patrick, MCF, Université Paris-Sud.

Présentation du sujet du projet et suivi des étudiants hebdomadaire. L'UE comprendra de plus un cours présentant des éléments de génie logiciels directement applicables. Elle se conclut par une soutenance par groupes.

Objectifs : Cette UE est une mise en pratique des concepts présentés dans les UE programmation orientée objet et Algorithmique pour la biologie et fouille de données.
Prendre en main un projet informatique de la conception à la réalisation.
Travailler en équipe.
Développer l'autonomie dans la recherche de solutions et le débuggage.
Mettre en oeuvre des solutions adaptées, issues des concepts vus en fouille de données.
Aborder la programmation objet et des notions de génie logiciel sur un premier projet de taille conséquente.
Présenter un travail à l'oral.

Contenu :
Compréhension et prise en main d'un sujet de bioinformatique.
Présentation de notions de génie logiciel utiles.
Conception semi-autonome avec retours de l'enseignant.
Développement de l'application en java, partiellement encadré.

Bases de la programmation en java. Notions de programmation objet.

Avril - Mai - Juin.

ORSAY

Olivier Lespinet, PR, Université Paris-Sud Cohen-Boulakia Sarah, PR, Université Paris-Sud.

Mise en situation dans un laboratoire.

L'objectif de cette UE est de mettre les étudiants en situation dans un laboratoire.
Il s'agit un travail encadré qui vient en remplacement d'une partie des UE d'informatique du second semestre, pour les étudiants ayant déjà suivi des enseignements d'informatique équivalent au cours de leur licence. La durée du TER sera fonction du nombre d'UE pour lesquelles les étudiants sont dispensés.

Avoir déjà validé des enseignements jugés équivalents à une partie des enseignements des UE d'informatique du second semestre.

Février - Mars - Avril - Juin.

ORSAY

Olivier Lespinet, PR, Université Paris-Sud Cohen-Boulakia Sarah, PR, Université Paris-Sud.

Mise en situation dans un laboratoire.

L'objectif de cette UE est de mettre les étudiants en situation dans un laboratoire.
Il s'agit un travail encadré qui vient en remplacement d'une partie des UE d'informatique du second semestre, pour les étudiants ayant déjà suivi des enseignements d'informatique équivalent au cours de leur licence. La durée du TER sera fonction du nombre d'UE pour lesquelles les étudiants sont dispensés.

Avoir déjà validé des enseignements jugés équivalents à une partie des enseignements des UE d'informatique du second semestre.

Février - Mars - Avril - Mai - Juin.

ORSAY

Olivier Lespinet, PR, Université Paris-Sud Cohen-Boulakia Sarah, PR, Université Paris-Sud.

Mise en situation dans un laboratoire.

L'objectif de cette UE est de mettre les étudiants en situation dans un laboratoire.
Il s'agit un travail encadré qui vient en remplacement d'une partie des UE d'informatique du second semestre, pour les étudiants ayant déjà suivi des enseignements d'informatique équivalent au cours de leur licence. La durée du TER sera fonction du nombre d'UE pour lesquelles les étudiants sont dispensés.

Avoir déjà validé des enseignements jugés équivalents à une partie des enseignements des UE d'informatique du second semestre.

Février - Mars - Avril - Mai - Juin.

ORSAY

Olivier Lespinet, PR, Université Paris-Sud Cohen-Boulakia Sarah, PR, Université Paris-Sud.

Mise en situation dans un laboratoire.

L'objectif de cette UE est de mettre les étudiants en situation dans un laboratoire.
Il s'agit un travail encadré qui vient en remplacement d'une partie des UE d'informatique du second semestre, pour les étudiants ayant déjà suivi des enseignements d'informatique équivalent au cours de leur licence. La durée du TER sera fonction du nombre d'UE pour lesquelles les étudiants sont dispensés.

Avoir déjà validé des enseignements jugés équivalents à une partie des enseignements des UE d'informatique du second semestre.

Février - Mars - Avril - Mai - Juin.

ORSAY

Olivier Lespinet, PR, Université Paris-Sud Cohen-Boulakia Sarah, PR, Université Paris-Sud.

Mise en situation dans un laboratoire.

L'objectif de cette UE est de mettre les étudiants en situation dans un laboratoire.
Il s'agit un travail encadré qui vient en remplacement d'une partie des UE d'informatique du second semestre, pour les étudiants ayant déjà suivi des enseignements d'informatique équivalent au cours de leur licence. La durée du TER sera fonction du nombre d'UE pour lesquelles les étudiants sont dispensés.

Avoir déjà validé des enseignements jugés équivalents à une partie des enseignements des UE d'informatique du second semestre.

Février - Mars - Avril - Mai - Juin.

ORSAY

Après accord de l'équipe pédagogique, il sera possible de suivre une UE d'un autre master.

Accord de l'équipe pédagogique.

Février - Mars - Avril - Mai - Juin.

Après accord de l'équipe pédagogique, il sera possible de suivre une UE d'un autre master.

Accord de l'équipe pédagogique.

Février - Mars - Avril - Mai - Juin.

Ducrocq Csilla, PRCE classe exceptionnelle, Université Paris-Sud LeLain Christine, PRAG, Université Paris-Sud.

8x3h de TD d'anglais.

Objectifs :
Etre capable de rédiger un projet de recherche en anglais scientifique.
Etre capable de décrire des résultats scientifiques sous forme de graphique.
Etre capable de décrire un protocole expérimental en anglais scientifique.
Etre capable d'utiliser des techniques rhétoriques pour convaincre lors d'une présentation orale.
Etre capable de poser des questions et répondre/réagir aux questions du publique lors d'une présentation orale professionnel.
Préparation à une certification en anglais (Linguaskill de Cambridge University).

Contenu :
Après avoir étudié les caractéristiques de la grammaire,vocabulaire et style de l'anglais scientifique écrit, les étudiants choisissent une thématique de recherche en bioinformatique et biostatistiques et rédigent une bibliographie sur des articles scientifiques choisies.Ces articles serviront de base à un projet fictif de recherche qu'ils auront à élaborer à l'écrit et aussi présenter à l'oral de manière convaincante devant 'un jury' composé de leurs pairs afin d'obtenir un financement (fictif) pour réaliser leur projet de recherche.Dans le cadre de ce projet ils doivent expliquer et présenter des résultats passés ou attendus , ainsi que leur approche expérimentale.Le jury pose des questions sur les contenus et la légitimité de la recherche proposée.

Idéalement un niveau B1 en anglais.

Février - Mars - Avril.

GIF-SUR-YVETTE

Cohen-Boulakia Sarah, PR, Université Paris-Sud LESPINET Olivier, PR, Université Paris-Sud.

Stage en situation.

Objectifs : Effectuer une mise en situation professionnelle de 8 semaines.

Mai - Juin.

ORSAY

Olivier Lespinet, PR, Université Paris-Sud.

Mise en situation dans un laboratoire ou une entreprise.

Stage d'été optionnel.

Aucun.

Aout - Juin - Juillet.

ORSAY