Artificial Intelligence and Data Analysis (AIDA)
Artificial Intelligence and Data Analysis -AIDA- est un parcours pluridisciplinaire dont l'objectif est d'obtenir des multi-compétence biologie / mathématiques / informatique pour former des étudiantes et étudiants autonomes sur des problèmes de modélisation/intégration de données dans le domaine du biomédical à destination des entreprises biotech mais aussi des laboratoires de recherche.
Courses entitled in English can be taught in English / Les cours intitulés en anglais peuvent être enseignés en anglais.
Mots-clés : Modélisation mathématiques - Physiologie - Neuroscience computationnelle - Analyse de données
Modelling & Data Analysis - MAD - is a multidisciplinary track whose objective is to developp multi-skills in biology / mathematics / computer science in order to train students to be autonomous in modeling / data integration problems in the field of biomedical for biotech companies but also research laboratories.
Keywords: Mathematical modeling - Physiologie - Computational neuroscience -- Data science
Objectifs
Ce parcours, à vocation pluridisciplinaire, développera une plus grande interaction entre la biologie intégrative et les disciplines telles que l’informatique et les mathématiques afin de faire face aux grands défis que sont le « big data », les nouvelles technologies, l’interface homme machine et la modélisation en santé et plus généralement en sciences du vivant.
Ce parcours met l'accent sur les données systémiques et intégratives et à ce titre ne se focalise pas sur les données 'omiques'. Il permet aux étudiants de découvrir de larges champs disciplinaires impliquant la modélisation et la simulation à l'échelle de l'organisme.
Candidatures
Les candidatures sont ouvertes du 28 mars au 13 juin pour le M2 sur la plateforme e-candidat.
Master 1 2nd semestre/ First year 2nd semester
UE Obligatoire (24 ECTS) | ||
UM4BI024 | Stage | 12 ECTS |
UM4BI046 | Advanced Py Physio | 6 ECTS |
UM4BI034 | TPSB Tutored project | 6 ECTS |
UE Optionnelle (6ECTS 1 parmi) | ||
UM4BI031 | OBAMA | 6 ECTS |
UM4BM232 | Métabolisme énérgétique : de la molécule à l'organisme | 6 ECTS |
UM4BI013 | Exploration des fonctions physiologiques du petit animal | 6 ECTS |
UM4BI045 | Cibles pharmacologiques du vieillissement et biothérapie | 6 ECTS |
UM4BI044 | Sénéscence et régénération | 6 ECTS |
UM4BI048 | Development origin of health and diseases | 6 ECTS |
Master 2
Semestre 3 / 3rd semester.
18 ECTS de tronc commun / 18 ECTS mandatory :
- Intelligence artificielle et apprentissage profond pour la biologie (MU5BIP12, 6 ECTS) : Cette UE a pour objectif de former les étudiants à la conception et à l'utilisation de réseaux de neurones pour développer des modèles prédictifs appliqués à l'analyse de données d'expression génique. Un accent particulier sera mis sur l'utilisation de la bibliothèque de programmation Keras (disponible sous R et Python) pour proposer et implémenter différentes topologies de réseaux de neurones, afin d'évaluer les performances des modèles de classification des données transcriptomiques issues de patients. L'UE se compose de cours magistraux, d'ateliers de travaux dirigés et de projets de groupe.
Artificial Intelligence and Deep Learning for Biology (MU5BIP12, 6 ECTS): This course aims to train students in the design and use of neural networks to develop predictive models applied to gene expression data analysis. A particular emphasis will be placed on using the Keras programming library (available in R and Python) to propose and implement different neural network architectures, allowing students to evaluate the performance of classification models applied to transcriptomic data from patients. The course consists of lectures, hands-on workshops, and group projects.
- Apprentissage supervisé et non supervisé pour les données biologiques (MU5BM753, 6 ECTS) : Cette UE offre une introduction aux méthodes d'analyse de données génomiques, avec un accent sur les techniques de classification supervisée et non supervisée. À travers les cours et projets, les étudiants apprennent à appliquer ces méthodes à des jeux de données génomiques, en mettant particulièrement l'accent sur l'analyse intégrative des réseaux transcriptionnels.
Supervised and Unsupervised Learning for Biological Data (MU5BM753, 6 ECTS): This course provides an introduction to genomic data analysis methods, focusing on supervised and unsupervised classification techniques. Through lectures and projects, students will learn to apply these methods to genomic datasets, with a particular emphasis on integrative analysis of transcriptional networks.
- Analyse de données transcriptomiques à l'échelle unicellulaire (MU5BIS01, 6 ECTS) : Cette UE propose une exploration approfondie des méthodes d'analyse des données transcriptomiques à l'échelle unicellulaire. Les étudiants seront formés aux étapes critiques de l'interprétation de ces données, allant du prétraitement des données à l'interprétation des résultats. L'UE se concentre sur la réalisation de projets de groupe, au cours desquels les étudiants appliqueront les connaissances acquises à des problématiques concrètes rencontrées dans différents domaines de la biologie.
Single-Cell Transcriptomic Data Analysis (MU5BIS01, 6 ECTS): This course provides an in-depth exploration of single-cell transcriptomic data analysis methods. Students will be trained in the critical steps of interpreting these data, from preprocessing to result interpretation. The course focuses on group projects, where students will apply their acquired knowledge to real-world biological problems encountered in different fields of biology.
12 ECTS à choisir parmi les UE du master BIP (attention aux compatibilités de planning) / 12 ECTS to choose in the list of UE of BIP master (pay attention to the planning).
Semestre 4 / 4th semester.
Stage (30 ECTS) : Un stage de cinq à six mois dans un laboratoire de recherche (publique ou privé) ou en entreprise. Le stage donne lieu à la rédaction d’un rapport et à une soutenance orale.
Internship (30 ECTS): A five to six months internship, conducted in a research laboratory (public or private) or in a company. The internship leads to the writing of a report and an oral defense.
Contact
Responsable de parcours
Chloe Audebert
Campus Pierre et Marie Curie
CQSB - Bat C 4th floor office 421a
LJLL - 16-26 3rd floor office 324
Campus Jussieu, Paris, France
Gestionnaire de parcours
Véronique de SURIREY
Gestionnaire de Parcours Master BIP 2 AIDA
Campus Pierre et Marie Curie
Bâtiment C - 1ère étage - Porte 105
+33 (0)1 44 27 47 76
9, quai Saint Bernard
Case courrier 118
75252 Paris Cedex 05