Autonomie
Vous reprenez un geste vu en module et vous l'appliquez dans un contexte légèrement différent.
Évaluation
Les défis sont les livrables courts du cours. Chaque défi prolonge l'aventure du module et transforme une pratique guidée en production personnelle: rapport, graphique, nettoyage, fonction, vidéo ou tableau de bord.
Pratiquer un geste important
Produire un livrable court
Recevoir une rétroaction utile
Préparer le projet
Chaque défi cible une compétence concrète. Le but est de passer de la compréhension à une trace visible de ce que vous savez faire, dans un contexte assez proche de l'aventure pour être soutenant, mais assez différent pour demander de l'autonomie.
Vous reprenez un geste vu en module et vous l'appliquez dans un contexte légèrement différent.
Les défis construisent graduellement les réflexes nécessaires pour le projet et l'examen.
Le livrable doit être compréhensible pour une personne qui lit votre travail sans être dans votre tête.
Ces trois éléments se répondent, mais ils n'ont pas le même rôle.
Travail guidé en classe. Elle installe le contexte, les personnages, les données et les gestes techniques du module.
Suite évaluée de l'aventure. Vous produisez une trace plus autonome à partir du même univers pédagogique.
Consolidation séparée. Les exercices servent à pratiquer, mais ils ne sont pas une étape obligatoire du défi.
Les commentaires reçus servent à améliorer les prochains défis, l'examen et le projet de session.
La page du défi explique le travail à produire. Brio demeure la source officielle pour les dates, les lieux de remise et les modalités administratives.
Relire la page du défi et identifier les fichiers explicitement demandés. Une belle analyse ne compense pas un livrable manquant.
Voir les évaluationsOuvrir le rendu final, vérifier les graphiques, les chemins de fichiers, les noms de colonnes et les fichiers de données à remettre.
Préparer son environnementLorsque le défi utilise GitHub, pousser les commits et relire le dépôt en ligne comme si vous étiez la personne qui corrige.
Retrouver les ressourcesDans les défis et le projet, l'IA est permise comme aide au raisonnement, au débogage, à la révision, à la planification ou à la vérification. Dans l'examen, seuls les outils explicitement autorisés sur Brio sont permis. Dans tous les cas, le livrable final doit rester vérifiable, personnel et cohérent avec la consigne. Vous devez comprendre, tester et pouvoir expliquer tout code, texte, source, résultat ou interprétation remis. Quand l'IA influence une partie importante d'un livrable évalué, gardez une trace courte: outil utilisé, but de l'aide, partie touchée et vérification faite. Les modalités officielles indiquées sur Brio prévalent toujours.
Consulter la page IAUtilisez ces liens pour retrouver les consignes complètes et les livrables attendus. Les cartes ci-dessous donnent un repère rapide; la page du défi demeure la consigne détaillée.
Mini-rapport Quarto reproductible à partir des données météo, avec rétroaction formative.
Trace attendue: fichier source .qmd et rendu HTML.
Dépôt GitHub contenant le journal de bord et un rapport d'analyse sur les manchots.
Trace attendue: dépôt lisible, commits utiles, rapport_analyse.qmd et HTML.
Article Quarto reproductible sur les infractions alimentaires.
Trace attendue: article, graphiques, interprétation et historique GitHub.
Consulter le défi 3Nettoyage d'une base d'assurance et documentation des décisions.
Trace attendue: fichier propre, journal reproductible et décisions défendables.
Consulter le défi 4Rapport exploratoire prudent sur les retards de vols, la météo et l'âge des avions.
Trace attendue: rapport HTML court, graphiques utiles et conclusion nuancée.
Consulter le défi 5Revue croisée d'un rapport collaboratif et vérification de sa reproductibilité.
Trace attendue: issues GitHub utiles, vérification du rendu et corrections poussées si nécessaire.
Consulter le défi 6Note éthique, visualisations responsables et fichier anonymisé.
Trace attendue: rapport éthique rendu, données anonymisées et choix justifiés.
Consulter le défi 7Fonction scrape_page() testable dans un fichier IDUL.R.
Trace attendue: contrat de fonction respecté, tests locaux et prudence de collecte.
Consulter le défi 8Capsule vidéo courte sur un modèle prédictif ou une analyse de biais.
Trace attendue: argument clair, support visuel et vidéo accessible.
Consulter le défi 9Tableau de bord interactif à partir du fichier fictif fourni. Un fichier réel ne peut être utilisé que s'il est anonymisé et explicitement autorisé.
Trace attendue: tableau de bord local reproductible, données protégées et README utile.
Consulter le défi 10Les formats changent selon les modules, mais ils restent toujours reliés aux compétences du cours.
Importer, résumer, visualiser et interpréter un jeu de données.
Transformer une analyse en message clair pour un lectorat défini.
Documenter les choix de correction, de recodage et de préparation.
Réviser une visualisation pour mieux soutenir l'interprétation.
Automatiser une tâche répétitive et rendre le code réutilisable.
Communiquer une analyse dans un format plus interactif ou narratif.
Un défi réussi est rarement un long document. C'est un document clair, ciblé et rendu proprement.
Répondre à la consigne avant d'ajouter des analyses secondaires.
Expliquer brièvement pourquoi une transformation, un graphique ou un filtre est utilisé.
Un rendu absent, un fichier mal nommé ou un dépôt non poussé peut empêcher la correction.
Chaque défi prépare le suivant: garder les corrections utiles dans vos notes.
Un défi n'est pas seulement une remise ponctuelle. Les commentaires reçus servent à consolider vos méthodes et à préparer les productions plus longues.
Noter une erreur récurrente de code, de rendu, de graphique ou d'interprétation pour ne pas la répéter au défi suivant.
Garder les exemples de code, de visualisation et de communication qui pourront être réutilisés dans le projet.
Utiliser les exercices indépendants pour retravailler une compétence précise sans dépendre de l'histoire du défi.