• Bienvenue dans le Programme de formation en Science des Données au féminin en Afrique (SDAfrique)! 


    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

Cohorte 2024 : Organisation de séance récapitulative et proposition de projets d'équipe

par Claudia D. Tchobo,

🚨⚠️ A l'attention des étudiantes de la première année!!!

📌Organisation de séance récapitulative du cours 1 sur les Fondamentaux dans R.

Comme vous l'aurez remarqué sur le tableau de bord au niveau du calendrier, il n'aura pas cours les 2 prochains mardis. Le cours 2 reprendra le 14 mai 2024 avec l'introduction au cours. 

Pour ce faire, nous exploiterons ce temps pour organiser deux séances récapitulatives la semaine prochaine ou dans la mesure du possible une cette semaine (soit samedi prochain 04 mai 2024) et une autre la semaine prochaine (soit le mardi 07 mai 2024). Ainsi, pour mieux organiser ces séances, nous aimerions que vous remplissez un Google sheet que vous retrouverez au niveau de "Séance récapitulative" du "Cours 1" précisément à la suite de la "séance 6". Votre retour est attendu au plus tard le mercredi 1er mai 2024 prochain. Merci de faire vite diligence.

📌 Proposition de projets d'équipe.

Dans le même temps, nous aimerions que vous renseignez vos idées de projets dans le Google sheet dans la resource "Proposition de projets d'équipe: Cohorte 2024" se trouvant au niveau du "Cours 2" précisément au niveau de la rubrique "Généralités". 

NB: Votre idée de projet doit pouvoir résoudre un problème social (innovation) de votre communauté (pays, commune, ville, etc.) à partir de la Science des données. Des équipes de 3-5 personnes doivent être constituées (le mixage de nationalités est aussi possible). Lorsqu'une proposition de projet est faite dans une équipe, vous pouvez décider de vous joindre à cette équipe (si cela partage votre centre d'intérêt). De même, votre idée de projet peut être dans n'importe quel domaine (médecine, agriculture, éducation, etc.). 

Plus de détails seront donnés lors des prochaines séances de cours ou dans le chat. 

Merci!

Discuter sur ce sujet  (0 réponses)

Communications sur les réseaux sociaux! On casse l'Internet!

par Thierry Warin,

Merci à toutes de communiquer sur Internet sur vos réseaux sociaux respectifs, c'est important pour notre programme!

On casse l'Internet!

Un exemple:

#DataScienceForWomen #FrancophoneAfrica #STEM #GenderEquality

@sdafrique launches "Science des Données au Féminin en Afrique" to combat inequalities for women in Africa's Francophone regions amid digital transformations. This initiative underlines the critical role of AI and data science, aiming to empower African women with essential tech skills.

The program spans two years, covering eight courses with a strong emphasis on programming, data science basics, and advanced topics like geospatial data and tech entrepreneurship. It integrates a project-based learning model to foster experiential learning, problem-solving, and teamwork among its 200 participants.

Structured into two certificate-awarding phases, the curriculum is designed to transition participants from artificial to augmented intelligence, solving societal issues through technology. The initiative is led by Dr. Bernice Bancole and Prof. Thierry Warin, targeting STEM enthusiasts at various academic levels.

With courses ranging from R programming to advanced machine learning, the initiative not only equips participants with practical skills but also encourages applying these skills to address local challenges. This marks a significant stride towards bridging gender gaps in STEM within Africa, enhancing the technological and data science capabilities of African women.


#DataScienceForWomen #FrancophoneAfrica #STEM #GenderEquality

@sdafrique lance « Science des Données au Féminin en Afrique » pour lutter contre les inégalités envers les femmes dans les régions francophones d'Afrique dans un contexte de transformation numérique. Cette initiative souligne le rôle essentiel de l’IA et de la science des données, visant à doter les femmes africaines de compétences technologiques essentielles.

Le programme s'étend sur deux ans et couvre huit cours avec un fort accent sur la programmation, les bases de la science des données et des sujets avancés tels que les données géospatiales et l'entrepreneuriat technologique. Il intègre un modèle d'apprentissage basé sur des projets pour favoriser l'apprentissage expérientiel, la résolution de problèmes et le travail d'équipe parmi ses 200 participantes.

Structuré en deux phases délivrant des certificats, le programme est conçu pour faire passer les participantes de l'intelligence artificielle à l'intelligence augmentée, en résolvant les problèmes de société grâce à la technologie. L'initiative est dirigée par le Dr Bernice Bancole et le professeur Thierry Warin, ciblant les passionnées de STEM à différents niveaux académiques.

Avec des cours allant de la programmation R à l'apprentissage automatique avancé, l'initiative dote non seulement les participants de compétences pratiques, mais encourage également l'application de ces compétences pour relever les défis locaux. Cela marque un pas important vers la réduction des inégalités entre les sexes dans les domaines STEM en Afrique, en renforçant les capacités technologiques et scientifiques des femmes africaines.


Voici le reste des éléments de langage: https://nxt.quantumsimulations.app/index.php/s/B5FNFDf3WtsNjJC

Merci!

Discuter sur ce sujet  (1 réponse)

Prolongement de la date limite de candidature

par Claudia D. 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.

Discuter sur ce sujet  (0 réponses)
Sujets antérieurs...


Cours disponibles

Cours 1. R: les fondamentaux

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.

Cours 2. R~Statistiques

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.

Cours 3. Apprentissage automatique avec R

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.


Cours 4. Projets I- Développement

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.

Cours 5. Données géospatiales avec R

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.


Cours 6. Apprentissage automatique avancé avec R

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 :

Séance 1: Introduction à la modélisation et aux outils de base

  • Introduction générale : Objectifs du cours, présentation du syllabus, importance de la modélisation en science des données.
  • Logiciel pour la modélisation : Présentation des logiciels utilisés dans le cours, focus sur R.
  • A Tidyverse Primer : Introduction aux packages du Tidyverse utilisés pour la manipulation de données.

Séance 2: Fondamentaux de la modélisation avec R

  • Révision des fondamentaux de la modélisation avec R : Concepts de base de la modélisation statistique et préparation des données.
  • The Ames Housing Data : Exploration et préparation d'un jeu de données réel pour la modélisation.
  • Spending our Data : Techniques de gestion des données pour la modélisation.

Séance 3: Construction et évaluation de modèles de base

  • Fitting Models with parsnip : Introduction à parsnip pour l'ajustement des modèles.
  • A Model Workflow : Création d'un flux de travail de modélisation répétable.
  • Feature Engineering with recipes : Utilisation de recipes pour l'ingénierie des caractéristiques.

Séance 4: Techniques avancées pour l'évaluation des modèles

  • Resampling for Evaluating Performance : Techniques de rééchantillonnage pour l'évaluation des modèles.
  • Comparing Models with Resampling : Comparaison de différents modèles via le rééchantillonnage.
  • Model Tuning and the Dangers of Overfitting : Ajustement des modèles et sensibilisation au surajustement.

Séance 5: Recherche et sélection de modèles

  • Grid Search and Iterative Search : Techniques de recherche exhaustive et itérative pour l'optimisation des hyperparamètres.
  • Screening Many Models : Évaluation et sélection parmi un large éventail de modèles.

Séance 6: Au-delà des fondamentaux de la modélisation

  • Dimensionality Reduction, Encoding Categorical Data : Techniques de réduction de dimensionnalité et d'encodage des données catégorielles.
  • Explaining Models and Predictions : Méthodes pour expliquer les modèles et les prédictions.
  • Trust, Ensembles, and Inferential Analysis : Quand faire confiance aux prédictions, utilisation des modèles ensembles et analyse inférentielle.



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.

Cours 7. Entrepreneuriat technologique au féminin

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.

Cours 8. Cours projet II : Incubation

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.