Catalogue des formations en calcul

SAISIE
    API     

Recherche reproductible II : Pratiques et outils pour gérer calculs et données

06 Mar - 07 Mai 2020    Grenoble, France    Cours/TP

Objectifs

La reproductibilité des expériences et des analyses est l’un des piliers de la science moderne. Néanmoins, la description dans les articles des protocoles expérimentaux, des logiciels, et des analyses est souvent lacunaire et ne permet que rarement à une tierce personne de reproduire une étude. Ces imprécisions sont devenues de plus en plus problématiques et sont une des causes du nombre croissant de rétractations d’articles, et ce même dans des journaux ou des conférences prestigieuses. Cela fini par conduire à une prise de conscience à la fois de la communauté scientifique et d’une partie du grand public qu’un certain nombre de résultats de recherches et d’études sont en réalité douteuses, trompeuses, voire erronées. Ces erreurs entraînent une certaine défiance de la part d’une société de plus en plus exigeante mais sont avant tout cause d’une perte de temps inacceptable.
La science ouverte est le terme générique désignant le mouvement cherchant à rendre la recherche scientifique et les données de la recherche les plus accessibles et transparentes possibles. La recherche reproductible recouvre les aspects techniques et sociaux de la science permettant et promouvant de meilleurs pratiques de recherche. Les pratiques méthodologiques et les modes de publications ont d’ores et déjà commencé à évoluer mais les outils mis à disposition sont nombreux et parfois dificiles d’accès.
L’objet de ce cours est d’apprendre à maîtriser certains outils informatiques modernes (conteneurs, workflows, intégration continue, entrepôts de données) et de savoir les utiliser dans un contexte de recherche reproductible. À l’issue de ce cours, les étudiants sauront utiliser les outils leur permettant d’avancer sur des bases saines et de partager le résultat de leur travail en toute confiance
et de façon pérenne.

Contenu

30h (dont 12h en présentiel)
Langue d'intervention : français ou anglais selon les besoins.
Le planning est également disponible ici et pourra être adapté si besoin en accord avec les participants :
http://polaris.imag.fr/arnaud.legrand/ical/doctoral_rr.ics

Ce cours fait suite au MOOC "Recherche Reproductible : Principes méthodologiques pour une science transparente", diffusé sur la plate-forme FUN. Les étudiants auront accès aux ressources d’un second MOOC intitulé "Recherche reproductible II : pratiques et outils pour gérer calculs et données", actuellement en cours de préparation et qui devrait commencer en septembre-octobre 2020.
Les différentes séances seront l’occasion d’apprendre à résoudre techniquement certaines difficultés de la recherche reproductible telles que le contrôle d’environnement avec docker, la gestion d’un calcul complexe à l’aide d’un workflow ou la gestion de données complexes avec HDF5.
Le cours est découpé en 8 séances hebdomadaires d’une heure et demi, interactives, et qui permettront de donner aux étudiants un retour personnalisé, de répondre à des questions spécifiquement liées à leur domaine ou à leur pratique, et de les accompagner dans la mise en oeuvre des différents outils.

Ce cours nécessite a minima une vingtaine d’heures de travail personnel en plus des cours.

Prérequis

- Avoir suivi le MOOC "Recherche Reproductible : Principes méthodologiques pour une science transparente" sur FUN (ou le cours du même nom à l’école doctorale) :
https://learninglab.inria.fr/mooc-recherche-reproductible-principes-methodologiques-pour-une-science-transparente/

- Avoir une connaissance du langage python ou R pour réaliser des analyses simples

- Avoir une connaissance minimale d’UNIX (commandes shell et installation de logiciels). Il est indispensable de venir avec sa propre machine et d’avoir les droits d’administration pour pouvoir facilement bénéficier des outils proposés.

Entités contributrices

  • MaiMoSiNE
  • UGA

Contacts

Localisation

Adresse :
700 avenue centrale, 38400 Saint Martin d'Hères, France