Tout déplier
Voir plus

Test de création d'un cours par Bastien

Formation Continue Développement Python API QGIS

Cette formation de 4 jours, proposée en formation continue, vise à apporter les bases du développement python, dans le contexte particulier de l'API QGIS.

A l'issu de cette formation, les étudiant(e)s connaissent les bases de l’algorithmique, la syntaxe python, et sont capables de manipuler des données géographiques (vecteur et raster) via des scripts python dans QGIS.

Modélisation des processus physiques, chimiques et biologiques - M2 IPP

Modèles statistiques pour l'écologie

Objectifs :

Il s’agit d’approfondir les notions du module de remise à niveau de statistique. On insistera systématiquement sur la dimension de modélisation, i.e. sur la transcription mathématique de questions biologiques. L’objectif est de fournir aux étudiants une formation solide sur le modèle linéaire ainsi que des bases suffisantes pour appréhender des modèles plus complexes.

Contenu :

Cet enseignement est principalement concentré autour du modèle linéaire et de ses généralisations à des données non gaussiennes ou non indépendantes :

  • Modèle linéaire gaussien (régression multiple, analyse de la variance à plusieurs facteurs, analyse de la covariance : 18h),
  • Modèle linéaire généralisé (régression logistique, modèle logit et probit, régression poissonnienne : 9h),
  • Modèle linéaire mixte (décomposition de la variance, notion d’effet aléatoire, mesures répétées : 9h).

Cet axe principal sera complété par des enseignements sur

* Courbes de croissance

* Classification

Modalités :

Les enseignements se répartissent sur 2 semaines découpées en séances de 3h. Les TD en salle informatique représentent approximativement 50% du volume total. Les étudiants sont divisés en deux groupes dont les programmes sont sensiblement les mêmes, la différence principale portant sur le niveau de familiarité avec l’utilisation de l’algèbre linéaire (écriture matricielle des modèles).

Contrôle des connaissances :

La validation du module se fait par un examen écrit et le rendu d’un projet (par binome)
La note finale obtenue est la moyenne de la note d’examen et de la note de projet.


Master BEE - Modèles Aléatoires en Ecologie et en Evolution

Objectifs :

- Quels phénomènes modélise-t-on par quels objets probabilistes ? 
- Comment procède la démarche de modélisation ? 
- Quels modèles peuvent être étudiés analytiquement ? Quels sont ceux qui nécessitent le recours à la simulation numérique ?

Thèmes abordés :

I. Introduction aux chaînes de Markov en temps discret.

II. Modélisation (aléatoire) spatialement explicite

  • 1. Modélisation du déplacement spatial individuel par une marche aléatoire.
  • 2. Modélisation de la répartition spatiale par des mesures aléatoires de Poisson, sur la droite puis dans le plan.

III. Modélisation (aléatoire) des phénomènes écologiques et de la dynamique des populations

  • 1. Chaînes de Markov en temps continu. Processus de comptage de Poisson, processus de naissance et de mort.
  • 2. Processus de branchement. Processus de Bienaymé-Galton-Watson. Processus de branchement en temps continu.

IV. Modélisation (aléatoire) des phénomènes évolutifs. Modèles neutres de diversité et distributions d’abondance.

Contenu des 3 TD informatique :

      • A. Déplacement au hasard d’organismes sur la droite, dans le plan (marches aléatoires)
      • B. Dynamique des populations (processus de naissance et de mort).
      • C. Reproduction et dispersion (marche aléatoire branchante).

Intervenants :

- Pierre Gloaguen (AgroParisTech) 
- Gabriel Lang (AgroParisTech)


Cours test AgroParisTech

Ce cours test a pour objectif de tester les fonctionnalités de la plateforme Ecampus pour AgroParisTech