Micro – Certification: CONCEVOIR DES MÉTHODES IA POUR DES DONNÉES DE SANTÉ

Objectifs de la formation

Cette formation permet d’acquérir les bases pour collecter, traiter et analyser des données de santé, en intégrant les enjeux réglementaires (RGPD, anonymisation) et des outils pratiques (Python, visualisation). Elle initie à l’utilisation de méthodes d’intelligence artificielle (machine learning, deep learning) pour exploiter des données médicales.

Cette formation vise à :

Former les participants à l’exploitation des données de santé via l’IA, en leur donnant les compétences techniques (Python, machine learning, visualisation) et réglementaires pour analyser, modéliser et valoriser ces données, tout en répondant aux enjeux concrets du secteur médical et healthtech.

Public cible

Formation continue

Cette formation s’adresse à un public
varié, incluant :

Professionnels de santé (médecins, data managers, cadres…).
Professionnels du numérique et de la data (data analysts, chefs de projet healthtech, consultants…).

Organisation et contenus pédagogiques

Période de la formation : Juin
Volume horaire total d’enseignement : 30h
Lieu de formation : FACULTÉ DES SCIENCES, 30 Place Eugène Bataillon, 34095 Montpellier Cedex 5, en présentiel

Programme :

Jour 1 (6h) : Gestion des données

Gestion et compréhension des données de santé [3h]
Initiation à la programmation pour l’analyse de données avec Python [3h]

Jour 2 (6h) : Acquisition/visualisation de la donnée de santé (anonymisation)

Manipulation des données : fichiers xls, csv, données textuelles, données numériques, données manquantes, statistiques minimalistes

Jour 3 (6h) : Initiation au machine learning (apprentissage non supervisé)

kNN
Arbres de décision

Jour 4 (6h) : Approfondissement en machine learning (apprentissage supervisé)

Deep learning
Neurones
LLM
Données textuelle

Jour 5 (6h) : Mise en pratique et collaboration – Hackathon

Evaluation :

50% quiz (4 quiz : jours 1, 2, 3, 4)
50% TP (hackathon, jour 5)

Compétences acquises

Connaître la structure et les types de données de santé : identifier le formats (fichiers xls, csv, données textuelles, numériques), comprendre leur organisation et leurs spécificités.
Maîtriser la réglementation : appliquer les règles légales et éthiques liées à l’utilisation des données de santé (RGPD, anonymisation, etc.).
Utiliser Python : manipuler des bibliothèques de base pour le traitement de données.
Automatiser des tâches simples : lire, nettoyer et transformer des données avec des scripts Python.
Collecter et préparer des données : importer des fichiers (xls, csv), gérer les données manquantes, et appliquer des techniques d’anonymisation.
Visualiser des données : créer des graphiques et tableaux pour explorer et présenter des données.
Appliquer des statistiques descriptives : calculer des indicateurs de base (moyenne, écart-type, etc.) pour résumer les données.
Comprendre les algorithmes de base : utiliser des méthodes comme kNN (k-plus proches voisins) et les arbres de décision pour segmenter ou classifier des données.
Interpréter les résultats : analyser les sorties des algorithmes et en tirer des conclusions pertinentes pour le domaine de la santé.
Maîtriser les concepts avancés : comprendre le fonctionnement des réseaux de neurones, du deep learning, et des modèles de langage (LLM).
Traiter des données textuelles : appliquer des techniques de NLP (Natural Language Processing) pour analyser des données non structurées (comptes-rendus médicaux, etc.).
Évaluer des modèles : choisir des métriques adaptées et optimiser les performances des algorithmes.
Résoudre un problème concret : travailler en équipe pour développer une solution basée sur l’IA, de la collecte des données à la présentation des résultats.
Appliquer une démarche projet : structurer une analyse, prioriser les tâches, et communiquer efficacement sur les résultats.

Débouchés professionnels

Analyste de données de santé
Coordinateur de projets healthtech
Data Analyst spécialisé en santé
Développeur d’application santé
Consultant en transformation numérique santé