Topic outline

  • Introduction

    Bienvenue dans ce module dédié à l'apprentissage de la programmation. Bien plus qu'une simple écriture de code, programmer consiste à concevoir des solutions logiques pour résoudre des problèmes concrets.

    Au programme :

    • Analyses Statistiques : Appliquer les tests adaptés (corrélation, régression, ANOVA) pour valider vos hypothèses.
    • Visualisation Graphique : Créer des figures de haute qualité (avec ggplot2) pour illustrer la biodiversité et les tendances environnementales.
    • Manipulation de données : Maîtriser l'importation et le nettoyage de vos jeux de données écologiques.

    Objectif : Passer de la donnée brute à une interprétation visuelle et statistique précise pour mieux comprendre les écosystèmes
  • Chapitre 01 : INTRODUCTION A LA PROGRAMMATION  SCIENTIFIQUE
    • Chapitre 01 : INTRODUCTION A LA PROGRAMMATION  SCIENTIFIQUE File
      Ce chapitre retrace l'épopée de la pensée informatique, de l'invention de l'algorithme (IXe siècle) à la révolution de la Machine de Turing (1936).
      Vous découvrirez comment franchir le fossé sémantique entre l'humain et la machine grâce aux langages Python et R. L'objectif est de maîtriser les outils fondamentaux (RStudio, IDE) et les briques logiques (variables, fonctions, boucles) pour transformer vos données écologiques en analyses statistiques et graphiques rigoureuses.
      Le passage essentiel de l'idée au code.

  • Chapitre 02 : Manipulation et Analyse de Données Scientifiques
    • Chapitre 02 : Manipulation et Analyse de Données Scientifiques File
      Ce chapitre traite de l'analyse de données scientifiques appliquée. En utilisant le jeu de données "Mila.csv", les étudiants apprennent à maîtriser le flux de travail complet de l'analyste : de la lecture technique des fichiers avec read.csv2() à la validation des hypothèses statistiques. C'est le pont indispensable entre la collecte de données sur le terrain (écologie) et l'interprétation rigoureuse des résultats (statistiques).
  • Chapitre 03 : Programmation Appliquée aux Sciences Expérimentales (Écologie)
    • Chapitre 03 : Programmation Appliquée aux Sciences Expérimentales (Écologie) File
      Ce chapitre transforme l'étudiant en analyste de données expérimentales. Il enseigne comment choisir et exécuter le bon test statistique sur R en fonction de la nature des données (normalité, effectifs). C'est ici que l'on apprend à valider scientifiquement des hypothèses écologiques, en passant de la simple observation à la modélisation prédictive.
  • Mila.csv
  • TP 01
  • TP 02