1h+

Analyser les données agroécologiques

parcours thématique

Introduction

Les sciences du vivant mobilisent des méthodes d'analyse statistiques adaptées au traitement et à l'analyse exploratoire de données produites au sein des agrosystèmes. Ce domaine est en plein essor avec la démocratisation des Big Data et de l'intelligence artificielle (IA). Cette dernière ouvrirait un marché de 2,5 milliards d'euros en 2025 pour l'agriculture; et les sources de données sont nombreuses avec la multiplication des capteurs : météo, état hydrique des sols, état sanitaire et végétatif des plantes, qualité du lait, alimentation de chaque vache… Le besoin de compétences est lui aussi important. L'analyse des données reste néanmoins un processus très humain et bien ancré dans la formation des ingénieurs en "agro-bio-sciences" (depuis la chimiométrie jusqu'à la géographie). Le langage de programmation "R" est plus spécifiquement utilisé pour l'analyse de données multidimensionnelle. Nous vous proposons un parcours thématique autour du MOOC "Analyse des données multidimensionnelles" et de ressources de nos membres (vidéos et ebooks) pour introduire le sujet. Bien entendu, si vous souhaitez aller au-delà vous pourrez également accéder à des ressources complémentaires mises à dispositions par nos membres, leurs partenaires et nos ministères de tutelle.

  • 1

    MOOC Analyse de données multidimensionnelles

    Exploratory multivariate data analysis is studied and teached in a French-way since a long time in France. This course focuses on four essential and basic methods, those with the largest potential in terms of applications: principal component analysis (PCA) when variables are quantitative, correspondence analysis (CA) and multiple correspondence analysis (MCA) when variables are categorical and clustering. This course is application-oriented; formalism and mathematics writing have been reduced as much as possible while examples and intuition have been emphasized and the numerous exercises done with FactoMineR (a package of the free R software) will make the participant efficient and reliable face to data analysis. We hope that with this course, the participant will be fully equipped (theory, examples, software) to confront multivariate real-life data.
    Lire la suite
  • 2

    Recherche et évaluation des risques sanitaires mêmes données, regards différents

  • 3

    Big data et intelligence business pour l’agro environnement

Pour en savoir plus:

 Publications scientifiques

Par ce qu'il n'y a pas de meilleur moyen d'exercer son esprit critique et d'assouvir sa soif de connaissances que d'aller à la source, retrouvez en OPEN ACCESS ou avec vos identifiants (chercheur, enseignant, étudiant), les publications et ouvrages scientifiques en lien avec le mot clef "analyse de données" :

Dossiers et articles :

Textes de référence et règlements :

 

  Centre de ressources, observatoires et tiers-lieux

 

 

 Logiciels, infographies et données

 

Colloques et séminaires

 

Les formations de nos membres

L'alliance Agreenium propose une grande variété de formations depuis le BTS jusqu'au Doctorat. Il s'agit, notamment, d'ancrer la formation dans la réalité des contraintes et opportunités naturelles, économiques et sociales (sur le terrain, études des cas...) tout en favorisant la production de connaissances et le renforcement des compétences. Les possibilités de formations sont donc très vastes tant en autoformation, qu'en formations continue ou initiale. Plus spécifiquement, les cursus ingénieur de nos membres forment au traitement à l'analyse de ces données multidimensionnelles ainsi qu'à l'analyse et la conception de systèmes complexes dans différents domaines d'application. Nous vous proposons quelques exemples ci-contre pour différents publics (enseignants, pro, étudiants...) et différentes modalités d'enseignement. Retrouvez par ailleurs toutes ces formations dans notre base de données "formations".

 

La recherche de nos membres

Les membres de l'alliance Agreenium conduisent un certain nombre de recherches dans le domaine de l'analyse de données multidimensionelle.