Aperçu des semaines

La semaine 1 va introduire les participants à une boîte à outils computationnelle reproductible pour la science des données neuronales, ainsi que des notions de base en apprentissage automatique supervisé et non-supervisé. Des présentations brèves et des séances pratiques seront organisés durant les 5 jours, et permettront aux participants d'appliquer les méthodes présentées sur des données réelles. À la fin de la semaine 1, les participants devraient être capables de répondre à des questions telles que:

• Qu'est ce que le contrôle de version, et comment puis-je l'utiliser pour améliorer ma manière de travailler?
• Quels sont les standards de données qui peuvent être utilisés avec les données de neuroimagerie, et pourquoi devrais-je les adopter?
• Comment puis je visualiser et définir des caractéristiques des données de neuroimagerie pour l'apprentissage automatique?
• Quels sont les principes de base du l'apprentissage profond, et en quoi cette approche diffère-t-elle des techniques classiques d'apprentissage machine?

Un questionnaire court sera organisé à la fin de la semaine 1, pour vérifier que les participants ont intégré les points clés de cette semaine. Ce questionnaire comptera pour 100% de la note finale pour le cours QLSC612 et 10% de la note finale pour les cours basés projet (PSY6983 ou bien COMP490/COMP6971).

La semaine 2 sera essentiellement consacrée à la définition et au pilotage du projet. En tant que participant, vous devrez décider:

• Sur quel sujet général souhaitez-vous travailler? par exemple une comparaison de groupes en IRMf, ou bien un logiciel d'analyse de données MEG.
• Quelles compétences souhaitez vous apprendre en travaillant sur ce projet? par exemple prétraiter des données IRMf, comment utiliser git, etc…
• Sur quelles ressources souhaitez vous travailler? par exemple le jeu de données CORR, la librairie nipyye, la parcellisation de Glasser, etc…
• Quels objectifs souhaitez vous atteindre avec le projet? Par exemple trouver des différences de connectivité entre deux groupes, reproduire une parcellisation cérébrale multimodale, etc.
• Quels seront les livrables du projet? par exemple un nouveau jeu de données publique, une nouvelle feature dans une librairie, etc.

Chaque projet devra être présenté de manière écrite et orale, avec rétroaction, et sera révisé pour la fin de la semaine 2. Ce résumé de projet comptera pour 10% de la note finale pour les cours basés projet (PSY6983 ou bien COMP490/COMP6971).

Durant la troisième semaine, les participants travailleront sur leur projet. Une journée type ressemblera à:

• Travail sur le projet. L'essentiel du temps est réservé pour travailler.
• Clinique projets. Suivi et retour quotidien de la part de l'équipe d'instructeurs.
• Tutoriels, organisés à la demande.
• Collaboration. Une partie du temps est consacrée à s'entre-aider chaque jour.

À la fin de la semaine 3, les participants feront une présentation orale sur une visualisation de données associée à leur projet, et identifieront leurs objectifs pour la semaine 4. Cette présentation comptera pour 10% de la note finale (PSY6983 ou bien COMP490/COMP6971).