• Cours de Science des données pour les étudiantes de l’Afrique francophone… parce que programmation, c’est un mot féminin!

    Nos étudiantes

    • Un groupe de 100 étudiantes sélectionnées, toutes de l’Afrique francophone.

    • 100 étudiantes motivées par la résolution de problèmes avec les outils technologiques du 21e siècle!

    • 100 étudiantes motivées par passer de l’intelligence artificielle à l’intelligence augmentée.

    • Un parcours de 6 cours sur deux années, incluant deux cours projets, organisé autour de deux certificats: le certificat pour la première année et le certificat pour la seconde année.

    Description

    • Durée du certificat 1: pendant trois trimestres, un groupe de jeunes femmes africaines francophones apprend ou approfondit leurs connaissances en programmation.

    • Durée du certificat 2: pendant trois trimestres, trois cours offerts: un cours sur les données géospatiales, un cours sur l'entrepreneuriat technologique et un cours projet.

    • Apprentissages: elles apprennent à programmer en R et en Markdown, et autres surprises!

    • Approche expérientielle: le choix d’un langage fonctionnel se justifie par l’objectif principal de cette activité: proposer des solutions technologiques à des problèmes de société qu’elles rencontrent chaque jour.

    Approche pédagogique

    Nous utilisons une approche expérientielle, totalement orientée vers la résolution de problèmes.

    Les étudiantes travaillent en équipe de trois à cinq personnes. Chaque équipe identifie un problème de société. Elles proposent ensuite un projet qui permet de répondre à ce problème ou à une dimension de ce problème. Il s’agit ici de commencer par une solution simple.

    Ensuite, les étudiantes apprennent les éléments fondamentaux de la programmation. Elles apprennent quelques modèles de base d’analyse de données. Elles apprennent également la programmation en Markdown afin de présenter leur solution sous forme d’un rapport dynamique.



Annonces du site

Prolongement de la date limite de candidature

par Claudia Dossi TCHOBO,

Informations importantes!!!

La date limite de candidature pour le programme Science des Données en Afrique Francophone a été prolongée d'une semaine.
Vous avez donc jusqu'au 08 mars 2024 pour vous inscrire.
Ne rater surtout pas cette opportunité.

Appel à candidature: Science des Données au Féminin en Afrique Francophone – Cohorte 2024

par Claudia Dossi TCHOBO,

L'équipe de Science des Données au Féminin en Afrique (SDA), dirigée par Docteure Bernice Bancole (Afrique du Sud) et Professeur Thierry Warin (HEC Montréal, Digital, Data and Design (D^3) Institute à Harvard Business School), est fière d'annoncer l'ouverture des candidatures pour la première année de son programme de formation en Science des Données, un programme complet étalé sur deux années, spécialement conçu pour les jeunes femmes de l'Afrique francophone.

Programme de Formation de Deux Ans : Ce programme ambitieux est structuré sur deux années, offrant une formation complète et approfondie en Science des données. Dans cette première phase de recrutement, nous invitons les candidates à postuler pour la première année du programme.

Première Année et Certification La première année est composée de quatre cours essentiels, dont un cours-projet. À l'issue de cette année, les candidates qui auront satisfait aux exigences du programme recevront un certificat lors d'une cérémonie prévue en octobre à Cotonou. Cette reconnaissance officielle attestera de leurs compétences et connaissances acquises durant la première année.

Structure et Contenu du Programme Le programme complet consiste en huit cours au total. Les candidates sélectionnées pour cette première année auront accès aux quatre premiers cours, qui poseront les bases solides nécessaires pour la suite de leur formation en Science des données. Les candidates qui auront reçu leur certificat seront éligibles à faire la deuxième année du programme.

Critères de Sélection Nous recherchons des candidates passionnées par les STIAM, actuellement au niveau Licence, Master/Maîtrise ou Doctorat (en cours) dans ces disciplines. Un intérêt marqué pour l'utilisation de la Science des données pour résoudre des problèmes locaux est également crucial.

Comment Postuler ? Les intéressées sont invitées à remplir ce Google forms en cliquant sur le lien suivant : https://forms.gle/WHNBhf7FeSnGyTcv9. Vous serez appelée à joindre votre CV et une lettre de motivation lors du remplissage. La lettre de motivation devrait refléter les attentes des candidates vis-à-vis du programme et leur vision pour l'application des compétences en Science des données, notamment dans la résolution de problèmes locaux.

Date Limite de Candidature: La date limite pour la candidature est fixée au 29 février 2024.

Informations Complémentaires Pour un aperçu des réalisations de la cohorte précédente, visitez notre page Facebook.

Visitez Notre Site Web Pour plus d'informations, consultez www.sdafrique.org.

Nous sommes impatients de découvrir et de soutenir les futurs talents en Science des données. Rejoignez-nous pour cette aventure éducative unique !




Cours disponibles

Titre du cours: Introduction à la science des données pour les sciences sociales

Professeur: Thierry Warin, PhD

Description du cours: Ce cours vise à fournir aux étudiants en sciences sociales une introduction complète à la science des données, en mettant l'accent sur l'utilisation du langage de programmation R. Les étudiants acquerront des compétences pratiques dans la manipulation de données, la création de visuels et de tableaux de bord, et l'accès à des bases de données et API. Le cours abordera également les bonnes pratiques en matière de débogage et de gestion de code avec Git et GitHub.

Objectifs pédagogiques: À la fin de ce cours, les étudiants seront en mesure de :

  1. Comprendre les principes fondamentaux de la science des données dans le contexte des sciences sociales.
  2. Utiliser R pour manipuler, analyser et visualiser des données.
  3. Créer des tableaux de bord interactifs et accéder à des données externes via des API.
  4. Appliquer des techniques de débogage pour résoudre des problèmes dans les scripts R.
  5. Gérer le code source et la collaboration via Git et GitHub.

Méthodologie d'enseignement: Le cours sera dispensé sous forme de conférences interactives et d'ateliers pratiques. Les étudiants seront encouragés à participer activement et à collaborer sur des projets de groupe.

Évaluation: L'évaluation sera basée sur des devoirs pratiques, la participation en classe, et un projet final.

Programme du cours:

Séance 1: Introduction générale

  • Présentation du cours et des objectifs
  • Aperçu de la science des données dans les sciences sociales
  • Importance des compétences en programmation et analyse de données

Séance 2: Introduction à R, Markdown et Github

  • Fondamentaux de R: installation et configuration de l'environnement
  • Introduction à Markdown pour la documentation
  • Utilisation de Git et GitHub pour la gestion de version

Séance 3: Manipuler les données

  • Importation et nettoyage de données avec R
  • Concepts de base des structures de données en R
  • Techniques d'analyse exploratoire des données

Séance 4: Créer des visuels avec R

  • Principes de la visualisation de données
  • Utilisation de ggplot2 et d'autres packages pour la création de graphiques
  • Interprétation et communication des résultats par des visuels

Séance 5: Créer des tableaux de bord avec R et accéder à des bases de données et API avec R

  • Introduction aux tableaux de bord interactifs avec Shiny
  • Connexion à des bases de données externes
  • Utilisation d'API pour récupérer des données en ligne

Séance 6: Apprendre à déboguer avec R et Conclusion

  • Techniques de débogage en R
  • Bonnes pratiques de programmation
  • Révision générale et perspectives futures dans la science des données pour les sciences sociales

Lectures recommandées et ressources seront fournies pour chaque séance.

Titre du cours : R~Statistiques
Professeur : Thierry Warin, PhD

Description du cours :
Ce cours approfondit l'analyse statistique avec R, mettant l'accent sur l'analyse exploratoire des données, les techniques de régression et l'analyse des données de panel. Il vise à doter les étudiants de compétences pratiques pour la manipulation de données et la modélisation statistique avec R.

Structure du cours :

  1. Séance 1 : Introduction générale

    • Présentation du cours, introduction à R et aux concepts d'analyse de données.
  2. Séance 2 : Analyse exploratoire des données 1/2

    • Techniques fondamentales d'analyse exploratoire, exercices pratiques et devoirs.
  3. Séance 3 : Analyse exploratoire des données 2/2 & Régression linéaire

    • Approfondissement de l'analyse exploratoire et introduction à la régression linéaire, avec des travaux pratiques.
  4. Séance 4 : Discussion sur les projets

    • Session interactive axée sur les projets étudiants et l'application des concepts appris.
  5. Séance 5 : Régression logistique & Données de panel et autres considérations

    • Exploration de la régression logistique et de l'analyse des données de panel, incluant des exercices pratiques.
  6. Séance 6 : Discussion sur les projets & Conclusion

    • Présentation finale des projets et conclusion du cours.

Évaluation :
Basée sur les devoirs, les présentations de projets et la participation active aux discussions.

Ressources :
Le cours offrira diverses ressources incluant des vidéos, des présentations interactives et des lectures recommandées.

Titre du cours : Apprentissage automatique avec R

Professeur: Thierry Warin, PhD

Description : Ce cours explore l'apprentissage automatique en utilisant R, couvrant des sujets comme les modèles de classification, les réseaux neuronaux, et l'éthique en IA.

Séances :

  1. Introduction à l’apprentissage automatique - Fondements et présentation du cours.
  2. Modèles de classification - Principes et applications pratiques.
  3. Réseaux neuronaux - Concepts de base et introduction pratique.
  4. Projets - Application des concepts appris dans des projets concrets.
  5. Modèles logistiques avec pénalisation - Techniques avancées et cas d'utilisation.
  6. Intelligence artificielle et éthique - Discussion sur les implications éthiques.

Méthodologie : Présentations interactives, vidéos, et travaux pratiques.

Évaluation : Basée sur la participation, les projets, et les travaux pratiques.


Le syllabus pour le cours "Projets I- Développement" chez SDAfrique se structure autour du développement de projets appliquant l'apprentissage automatique.

  • Il encourage les étudiantes à appliquer des compétences pratiques et des méthodes de gestion de projet agiles pour résoudre des problèmes locaux.
  • Les projets couvrent une gamme de sujets comme:
    • la reconnaissance vocale,
    • la détection de désinformation, et
    • l'amélioration des soins de santé.
Ce cours vise à préparer les étudiants à déployer leurs solutions dans des contextes variés tels que les ONG ou les startups ou les politiques publiques.

Titre du cours : Données géospatiales avec R
Professeur : Thierry Warin, PhD

Description du cours :
Ce cours se concentre sur l'utilisation de R pour analyser et visualiser des données géospatiales. Il couvre des techniques allant de la manipulation de base de données géographiques jusqu'aux méthodes avancées d'analyse spatiale, en mettant l'accent sur les applications pratiques.

Structure du cours :

  1. Séance 1 : Introduction aux données géospatiales avec R

    • Fondamentaux des données géospatiales, systèmes de coordonnées, introduction aux packages R pour les données spatiales.
  2. Séance 2 : Techniques de base pour la manipulation de données géospatiales

    • Importation et exportation de données, manipulation de vecteurs et de raster, traitement de base des données spatiales.
  3. Séance 3 : Visualisation de données géospatiales avec R

    • Création de cartes statiques et interactives, utilisation de ggplot2 pour la visualisation spatiale, intégration de données externes.
  4. Séance 4 : Analyse spatiale avancée

    • Techniques d'analyse spatiale, y compris l'interpolation spatiale, l'analyse de cluster, et les méthodes de voisinage.
  5. Séance 5 : Intégration de données géospatiales dans la modélisation statistique

    • Modélisation spatiale et temporelle, régression spatiale, analyse de séries temporelles spatiales.
  6. Séance 6 : Projets appliqués et études de cas

    • Application des compétences acquises sur des projets réels, études de cas sur des problématiques actuelles utilisant les données géospatiales.

Évaluation :
Les évaluations se baseront sur des travaux pratiques, des projets et la participation en classe.

Ressources :
Des vidéos, des présentations interactives et des lectures recommandées seront mises à disposition pour approfondir les connaissances acquises en classe.


Titre du cours : Apprentissage automatique avancé avec R

Professeur: Thierry Warin, PhD

Description du cours :
Ce cours avancé sur l'apprentissage automatique avec R vise à approfondir les connaissances et compétences dans des techniques sophistiquées telles que l'apprentissage profond, l'optimisation des modèles et les réseaux neuronaux.

Structure du cours :

  1. Séance 1 : Révision des concepts de base de l'apprentissage automatique

    • Révision des concepts clés en apprentissage automatique, y compris l'apprentissage supervisé et non supervisé.
  2. Séance 2 : Techniques d'optimisation des modèles

    • Exploration des techniques d'optimisation comme le grid search et le random search pour améliorer les performances des modèles.
  3. Séance 3 : Réseaux de neurones et apprentissage profond

    • Introduction aux réseaux neuronaux, compréhension des couches cachées, et initiation à l'apprentissage profond.
  4. Séance 4 : Techniques avancées en apprentissage non supervisé

    • Approfondissement des méthodes telles que l'analyse en composantes principales (PCA) et les algorithmes de clustering.
  5. Séance 5 : Traitement du langage naturel (NLP) avec R

    • Application de l'apprentissage automatique au NLP, y compris l'analyse des sentiments et la classification de texte.
  6. Séance 6 : Projet final

    • Application pratique des techniques apprises sur un projet complexe, intégrant l'analyse de données, la modélisation et l'interprétation des résultats.

Évaluation :
Basée sur les travaux pratiques, un projet final, et la participation en classe.

Ressources :
Le cours inclura des ressources variées telles que des lectures, des vidéos et des présentations interactives.

Le cours 3 est un pré-requis.

Titre du cours : Entrepreneuriat Technologique au Féminin en Afrique

Professeurs: Bernice Bancole, PhD et Thierry Warin, PhD

Description du cours :
Ce cours met l'accent sur l'entrepreneuriat technologique féminin en Afrique, en explorant les stratégies, défis et succès spécifiques à ce domaine.

Structure du cours :

  1. Séance 1 : Introduction à l'entrepreneuriat technologique féminin

    • Vue d'ensemble du paysage technologique en Afrique et rôle des femmes.
  2. Séance 2 : Innovation et technologie

    • Focus sur l'innovation technologique portée par les femmes.
  3. Séance 3 : Réseautage dans le secteur technologique

    • Importance du réseautage et collaboration dans la tech.
  4. Séance 4 : Financement des startups technologiques féminines

    • Accès au capital et financement participatif.
  5. Séance 5 : Marketing digital et présence en ligne

    • Stratégies de marketing numérique pour startups technologiques.
  6. Séance 6 : Témoignages d'entrepreneures technologiques

    • Études de cas et parcours de femmes leaders en tech.

Ces séminaires seront animés par des expertes et entrepreneures reconnues, offrant un aperçu précieux dans l'entrepreneuriat technologique féminin en Afrique.

Titre du cours : Projet II - Incubation et Développement

Professeurs: Bernice Bancole, PhD et Thierry Warin, PhD

Description du cours :
Ce cours se concentre sur l'incubation de projets avec un potentiel de devenir des ONG, startups, ou solutions pour les politiques publiques.

Structure du cours :

  1. Séance 1 : Fondations de l'incubation de projet

    • Principes de l'incubation, structure et planification.
  2. Séance 2 : Études de marché et validation de concept

    • Techniques pour évaluer la viabilité et l'acceptation du marché.
  3. Séance 3 : Stratégies de financement et modèles économiques

    • Exploration des options de financement et élaboration de modèles économiques durables.
  4. Séance 4 : Marketing et branding

    • Stratégies de marketing efficaces pour lancer et promouvoir le projet.
  5. Séance 5 : Aspects juridiques et réglementaires

    • Compréhension des enjeux juridiques et réglementaires liés au lancement d'un projet.
  6. Séance 6 : Pitch et présentation du projet

    • Préparation et présentation du projet à des investisseurs potentiels ou parties prenantes.

Ce cours vise à doter les étudiants des compétences nécessaires pour transformer leurs idées en projets viables.