SICSS-Montréal

SICSS-Montréal se déroule virtuellement à l’aide d’une combinaison de conférences vidéo asynchrones, d’exercices de groupe et de séances de rétroaction de groupe synchrones. Chaque jour suit à peu près lea même horaire, comme indiqué dans cette section.

Matin
Environ 2h de cours vidéo à visionner individuellement suivi du Labo (en groupe) pour préparer les séances de l’après-midi et du soir.

Après-midi
Exercice de groupe à effectuer en petits groupes de participants en utilisant Slack et Zoom pour coordonner et travailler sur l’exercice.

Evening (15:30-17:00)
Séance synchrone d’une heure et demi avec tous les participants pour suivre les présentations des conférenciers.

À propos du camp d’entraînement de codage, des livres et des exercices
Nous vous recommandons de suivre les cours assignés sur DataCamp, un site Web qui enseigne aux gens comment coder. Il y a également les notes de cours qui seront complétés par le livre en libre accès R for Data Science de Garrett Grolemund et Hadley Wickham. Il est important que vous parcouriez complètement les notes de cours, les cours assignés sur Datacamp et certains chapitres du livre pour comprendre tous les concepts importants. Ensuite, nous avons mis un certain nombre d’exercices pertinents à travailler. Pour ces exercices, vous pouvez utiliser les notebook et les données fournis ici (pour commencer, télécharger le référentiel complet sous forme de fichier zip).

Notebook et données d’accompagnement : Afficher sur GitHub.

Vidéos concernées sur Datacamp : Introduction to R, Writing Efficient R Code, Reporting with R Markdown, Introduction to the Tidyverse.

9:00 - 9:30 Arrivée

9:30 - 11:15 Formation (Zoom)

11:15 - 11:30 Pause (Zoom)

11:30 - 12:30 Labo (Zoom)

Données et exercices disponibles ici.

Exercices à rendre

Vidéos concernées sur Datacamp : Exploratory Data Analysis in R, Case Study: Exploratory Data Analysis in R

9:00 - 9:30 Debriefing

9:30 - 11:15 Formation (Zoom)

11:15 - 11:30 Pause (Zoom)

11:30 - 12:30 Labo (Zoom)

Données et exercices disponibles ici.

Exercices à rendre

Vidéos concernées sur Datacamp : Introduction to Data Visualization with ggplot2, Intermediate Data Visualization with ggplot2.

9:00 - 9:30 Debriefing

9:30 - 11:15 Formation (Zoom)

11:15 - 11:30 Pause (Zoom)

11:30 - 12:30 Labo (Zoom)

Données et exercices disponibles ici.

Exercices à rendre

Vidéos concernées sur Datacamp : Introduction to Statistical Modeling in R, Modeling with Data in the Tidyverse, Intermediate Statistical Modeling in R.

9:00 - 9:30 Debriefing.

9:00 - 9:30 Debriefing

9:30 - 11:15 Formation (Zoom)

11:15 - 11:30 Pause (Zoom)

11:30 - 12:30 Labo (Zoom)

Données et exercices disponibles ici.

Exercices à rendre

9:00 - 9:30 Debriefing

9:30 - 11:15 Formation (Zoom)

11:15 - 11:30 Pause (Zoom)

11:30 - 12:30 Labo (Zoom)

Données et exercices disponibles ici.

Exercices à rendre

Cours, données et exercices disponibles ici.

Lecture : Chapitre 1 du livre Bit by Bit: Social Research in the Digital Age (Read online de Matthews Salganik

9:30 - 10:00 Présentation

10:00 - 11:30 Cours (Zoom)

11:30 - 11:45 Pause

11:45 - 12:45 Labo (Zoom)

12:45 - 1:30 Pause - Dejeuner

1:30 - 3:00 Travail en équipe (Zoom)

3:00 - 3:15 Restittution des travaux d’équipe (Zoom)

3:15 - 3:30 Pause, changement de la salle Zoom

3:30 - 5:00 Conférencier : Ashton Anderson (The Cultural Structure of Online Platforms)

Cours, données et exercices disponibles ici.

9:30 - 10:00 Présentation

10:00 - 11:30 Cours (Zoom)

11:30 - 11:45 Pause

11:45 - 12:45 Labo (Zoom)

12:45 - 1:30 Pause - Dejeuner

1:30 - 3:00 Travail en équipe (Zoom)

3:00 - 3:15 Restittution des travaux d’équipe (Zoom)

3:15 - 3:30 Pause, changement de la salle Zoom

3:30 - 5:00 Conférencier : Anatoliy Gruzd (Computational Approaches to Studying Anti-Social Behavior in Social Media)

9:30 - 10:00 Présentation

10:00 - 11:30 Cours (Zoom)

11:30 - 11:45 Pause

11:45 - 12:45 Labo (Zoom)

12:45 - 1:30 Pause - Dejeuner

1:30 - 3:00 Travail en équipe (Zoom)

3:00 - 3:15 Restittution des travaux d’équipe (Zoom)

3:15 - 3:30 Pause, changement de la salle Zoom

3:30 - 5:00 Conférencier : Éric Lacourse (Algorithmes d’apprentissage et modèles statistiques)

9:30 - 10:00 Présentation

10:00 - 11:30 Cours (Zoom)

11:30 - 11:45 Pause

11:45 - 12:45 Labo (Zoom)

12:45 - 1:30 Pause - Dejeuner

1:30 - 3:00 Travail en équipe (Zoom)

3:00 - 3:15 Restittution des travaux d’équipe (Zoom)

3:15 - 3:30 Pause, changement de la salle Zoom

3:30 - 5:00 Conférencier : Peter McMahan (Culture, knowledge, and data)

9:30 - 10:00 Présentation

10:00 - 11:30 Cours (Zoom)

11:30 - 11:45 Pause

11:45 - 12:45 Labo (Zoom)

12:45 - 1:30 Pause - Dejeuner

1:30 - 3:00 Travail en équipe (Zoom)

3:00 - 3:15 Restittution des travaux d’équipe (Zoom)

3:15 - 3:30 Pause, changement de la salle Zoom

3:30 - 5:00 Conférencier : Golnoosh Farnadi (Fairness in Machine Learning)

9:30 - 10:00 Arrivée

10:00 - 12:30 Formation des équipes

12:30 - 1:30 Pause

1:30 - 3:30 Projet en équipe (Zoom)

9:30 - 10:00 Arrivée

10:00 - 12:30 Projet en équipe (Zoom)

12:30 - 1:30 Pause

1:30 - 3:30 Projet en équipe (Zoom)

9:30 - 10:00 Arrivée

10:00 - 12:30 Projet en équipe (Zoom)

12:30 - 1:30 Pause

1:30 - 3:30 Projet en équipe (Zoom)

9:30 - 10:00 Arrivée

10:00 - 12:30 Projet en équipe (Zoom)

12:30 - 1:30 Pause

1:30 - 3:30 Projet en équipe (Zoom)

9:30 - 10:00 Arrivée

10:00 - 12:30 Présentation des projets d’équipe (Zoom)

12:30 - 1:30 Debriefing et clôture (Zoom)