Partager

Devenez un expert en science des données - Module 2

    FORMATION EN LIGNE MODULE 2 - Analyse de données longitudinales: introduction aux modèles multiniveaux paramétriques  Durée : entre 20 et 25 heures   DESCRIPTION SOMMAIRE La formation en ligne ( e-learning ) permet une plus grande souplesse puisque le participant peut s’approprier le contenu du cours où et quand il veut, par le biais de lectures, de cours préenregistrés et d’exercices pratiques. Des machines virtuelles, sur lesquelles les logiciels statistiques sont disponibles, sont mises à votre disposition. MODULE 2 - Analyse de données longitudinales: introduction aux modèles multiniveaux paramétriques Cette formation avancée en statistique appliquée aux données hiérarchiques longitudinales a pour but de permettre aux participants d’établir de meilleurs liens entre les données longitudinales et les théories des sciences sociales ou de la santé postulant un effet du temps sur leur objet d'étude (sociologie, psychologie, criminologie, démographie, médecine, ingénierie, etc.). Dans une perspective incluant les variables de contrôle, médiatrices et modératrices ainsi que les concepts relatifs à la causalité, les participants se familiariseront avec les principes fondamentaux nécessaires à la compréhension des techniques d'analyse par trajectoires de développement. Cette formation met l’accent sur les modèles statistiques dont la base est la régression linéaire généralisée avec composantes aléatoires paramétriques. Prérequis Il est fortement recommandé de suivre le Module 1 (Processus en régression multiple). Cette formation nécessite une connaissance préalable de la statistique descriptive et inférentielle. Il peut être un atout de maitriser un logiciel statistique comme SPSS, SAS, R, Mplus ou Stata. Les démonstrations de chacune des analyses sont effectuées à partir du logiciel SAS. Les participants désireux d'utiliser un autre logiciel que SAS seront dirigés vers les ressources utiles pour reproduire les analyses présentées. Ils ne recevront toutefois pas de support en ce qui a trait à l'usage d'un autre logiciel que SAS. Démarche pédagogique L’approche pédagogique de ce cours met l’emphase sur l’écoute de capsules vidéo et la résolution de problèmes en ligne . Les chapitres suivent la séquence suivante: une lecture, une présentation théorique (vidéo), un mini-quiz, un exemple d'application (vidéo), des exercices pratiques et, enfin, un quiz final.  CLIQUEZ ICI POUR EN SAVOIR PLUS ! FORMATEUR  Éric Lacourse      Eric Lacourse , Ph.D., est professeur titulaire au Département de sociologie où il enseigne des cours de méthodologie et de statistique avancée. Anciennement responsable du microprogramme en statistique sociale, il est reconnu pour son pragmatisme dans son enseignement et pour ses innovations pédagogiques et technologiques afin de permettre aux étudiants d'obtenir un apprentissage plus personnalisé, interactif et dynamique. Sa perspective pluridisciplinaire attire des étudiants et professionnels de différents domaines, des sciences sociales, en passant par l’ingénierie, et les sciences de la santé. Après avoir complété un doctorat en psychologie à l'Université de Montréal en 2000, il a fait un stage postdoctoral en épidémiologie développementale et en statistique au Centre de recherche du CHU-Ste-Justine et, par la suite à l'Université Carnegie Mellon de Pittsburgh. Il a publié plus de 90 articles et chapitres de livres intégrant des innovations statistiques appliquées à des questions classiques, mais aussi novatrices. Ses articles portent principalement sur des données longitudinales et des essais contrôlés randomisés pour évaluer les impacts de différents programmes de prévention. Il est spécialiste en analyses multiniveaux et par variables « latentes » (continues et catégorielles). Ses travaux de recherche ont fait la manchette dans les médias nationaux et internationaux, comme la BBC UK, NBC News, Science Daily, Yahoo, Radio-Canada  et La Presse,  entre autres. FRAIS D'INSCRIPTION    300$ (+taxes)           CONTACTEZ-NOUS Courriel : praxis@fas.umontreal.ca