Enseignement

Philosophie de l’enseignement

J’aborde l’enseignement des mathématiques, de la statistique et de la science des données comme une activité de compréhension et d’exploration.
L’apprentissage repose sur trois principes :

  • Apprendre en agissant : la pratique et la manipulation d’outils comme R ou Quarto permettent de construire le sens.
  • Apprendre en collaboration : les projets d’équipe et les discussions sont au cœur de mes cours.
  • Apprendre de manière transparente : chaque activité est documentée et reproductible, pour ancrer la rigueur scientifique dans la démarche étudiante.

Je privilégie des approches par projet, des évaluations formatives et un environnement bienveillant où la rigueur et le plaisir d’apprendre cohabitent.

Cours enseignés

Université Laval — Département de mathématiques et de statistique

STT-1100 — Introduction à la science des données

Cours d’introduction centré sur des mises en situation professionnelles où les étudiants incarnent un rôle en science des données.
Objectifs : apprendre à structurer une analyse complète — de l’importation des données à la communication des résultats.
Outils : R, tidyverse, Quarto, GitHub.
Notes de cours : STT-1100_notes_de_cours
Philosophie : apprentissage actif, études de cas francophones, réflexion éthique sur les données.

GPT STT-1100 : assistant conversationnel dédié au cours, pour aider les étudiants dans leurs apprentissages.

STT-4230 — R pour scientifiques

Cours axé sur les bonnes pratiques de développement : structuration de projets, documentation, collaboration via GitHub.
Outils : R, Quarto, GitHub, testthat.
Ressource : Notes de cours produit par Sophie Baillargeon.
Philosophie : clarté, reproductibilité, intégration des outils modernes. GPT STT-4230 : assistant conversationnel dédié au cours, pour aider les étudiants dans leurs apprentissages. UlavalSSD : package R UlavalSSD regroupant des fonctions utilitaires pour la science des données à l’Université Laval.

STT-2200 — Analyse de données

Cours de statistique appliquée où les étudiants travaillent à partir de jeux de données réels et produisent des rapports reproductibles.
Outils : R, ggplot2, dplyr, RMarkdown.
Philosophie : interprétation avant automatisation, communication claire des résultats.

Université du Québec à Chicoutimi (UQAC)

8INF404 — Introduction à la science des données et intelligence d’affaires

Cours interdisciplinaire présentant le cycle complet d’un projet de science des données : préparation, exploration et modélisation prédictive.
Outils : R, shiny, Quarto.
Philosophie : relier technique et prise de décision, avec un accent sur la communication.

8INF416 — Visualisation et interface

Cours consacré à la visualisation interactive et à la communication scientifique.
Outils : R (Shiny), ggplot2.
Philosophie : clarté visuelle, accessibilité et rigueur du message graphique.

8STT108 — Méthodes statistiques pour les données massives

Introduction aux méthodes statistiques appliquées aux grands ensembles de données (big data).
Outils : R, tidyverse, parallel computing.
Philosophie : mettre l’accent sur la logique des modèles avant leur automatisation.

Ressources partagées

✨ Mon objectif : former des scientifiques des données autonomes, rigoureux et curieux, capables de relier théorie, pratique et communication scientifique.