Une carrière en data science est très recherchée et rémunératrice. Elle couvre un large éventail de missions : explorer et organiser les données, appliquer des techniques d'apprentissage automatique, et garder en tête les objectifs business. Pour exceller, vous devez maîtriser un ensemble de compétences, de l'analyse de données à la compréhension des enjeux métiers, en passant par la communication. Pour accompagner votre progression, utilisez cette liste comme point de repère tout au long de votre apprentissage.
Pour télécharger cette infographie, cliquez sur l'image ci-dessus
Analyse exploratoire des données
Statistiques descriptives
- Calculer des indicateurs de position (moyenne, médiane), de dispersion (étendue, écart-type) et d'autres caractéristiques des variables
- Calculer des indicateurs comme la corrélation pour comprendre les relations entre variables
Apprendre sur DataCamp
Mettez vos compétences en pratique
- A Visual History of Nobel Prize Winners
- Optimizing Online Sports Retail Revenue
- Explore a DataFrame
- Analyzing Carbon Footprints in SQL
- Exploring World Cup Data in Python
Visualisation de données
- Créer des graphiques comme des diagrammes en barres, des histogrammes et des boîtes à moustaches pour visualiser des variables individuelles.
- Créer des nuages de points, des graphiques en lignes et des cartes de chaleur pour visualiser les relations entre variables.
Apprendre sur DataCamp
- Introduction to Data Visualization with Seaborn
- Introduction to Data Visualization with Plotly in Python
- Introduction to Data Visualization with ggplot2
- Interactive Data Visualization with plotly in R
- Data Visualization Cheat Sheet
- Python Seaborn Cheat Sheet
- Plotly Express Cheat Sheet
- ggplot2 Cheat Sheet
- Python Seaborn Tutorial For Beginners
- Graphics with ggplot2 Tutorial
Mettez vos compétences en pratique
- Visualizing COVID-19 in R
- Modeling the Volatility of US Bond Yields in R
- Exploring the Bitcoin Cryptocurrency Market in Python
- Real-time Insights from Social Media Data in Python
- Visualize Correlation with a Diagonal Correlation Plot in Python
- Data Visualization in Python for Absolute Beginners
- Visualizing Video Game Sales Data with ggplot2 in R
Gestion des données
Import et lecture de données
- Importer des données depuis des formats courants comme CSV et des feuilles de calcul.
- Importer des données en interrogeant des bases SQL.
- Importer des données via des API web.
Apprendre sur DataCamp
- Introduction to Importing Data in Python
- Intermediate Importing Data in Python
- Streamlined Data Ingestion with pandas
- Introduction to Importing Data in R
- Intermediate Importing Data in R
- Introduction to SQL
- Importing Data in Python Cheat Sheet
- Pandas Tutorial: Importing Data with read_csv()
- Web Scraping With Python and Beautiful Soup
- How to Import Data Into R: A Tutorial
- Importing Data Into R - Part Two
Mettez vos compétences en pratique
- Importing and Cleaning Data
- The Android App Market on Google Play
- Visualize Historical Stock Data with a Candlestick Chart
- Analyzing Streaming Service Content in SQL
- Analyzing Students' Mental Health in SQL
Préparation des données (data wrangling)
- Réaliser des manipulations courantes : tri, filtrage, ajout de nouvelles variables, agrégations.
- Assembler deux jeux de données via des jointures interne, gauche, etc.
- Réorganiser un tableau rectangulaire pour convertir des lignes en colonnes ou l'inverse (pivot).
Apprendre sur DataCamp
- Data Manipulation with pandas
- Joining Data with pandas
- Reshaping Data with pandas
- Data Manipulation with dplyr
- Joining Data with dplyr
- Reshaping Data with tidyr
- Joining Data in SQL
- Pandas Cheat Sheet for Data Science in Python
- Data Manipulation with dplyr in R Cheat Sheet
- SQL Joins Cheat Sheet
- Pandas Cheat Sheet: Data Wrangling in Python
- Joining DataFrames in pandas Tutorial
- Joins in SQL Tutorial
Mettez vos compétences en pratique
- What and Where are the World's Oldest Businesses?
- Streamlining Employee Data
- Merge DataFrames
- Analyzing NASA Planetary Exploration Budgets in SQL
Nettoyage des données
- Identifier et corriger les problèmes de contraintes : mauvais types, valeurs hors plage, doublons.
- Identifier et corriger les problèmes de texte et de variables catégorielles : catégories invalides, formatage incorrect.
- Identifier et corriger les problèmes d'uniformité : unités ou formats de date incorrects, incohérences entre variables.
- Identifier et traiter les valeurs manquantes.
Apprendre sur DataCamp
Mettez vos compétences en pratique
- Exploring the Bitcoin Cryptocurrency Market in Python
- Real-time Insights from Social Media Data in Python
Culture business
Objectifs métiers
- Formuler des recommandations sur les approches analytiques en fonction des objectifs métiers
- Évaluer les résultats analytiques au regard des KPI ou d'autres critères pertinents
Apprendre sur DataCamp
Mettez vos compétences en pratique
- Comparing Search Interest with Google Trends
- Optimizing Online Sports Retail Revenue
- Predict CTR and Evaluate ROI
- Calculate Customer Churn Metrics
Connaissance de l'organisation
- Comprendre l'impact des projets de data science sur votre activité.
- Identifier quelles équipes ou personnes doivent être impliquées dans un projet data, et à quel titre.
Apprendre sur DataCamp
Mettez vos compétences en pratique
- Which Debts Are Worth the Bank's Effort?
- Feature Engineering for Fraud Detection
- User Retention by Cohort
- Analyzing a Marketing Funnel in Spreadsheets
- Visualizing Cost Savings in Tableau
Programmation pour la data science
Pensée computationnelle
- Utiliser des structures classiques comme le contrôle de flux et l'itération.
- Comprendre les fonctions et la programmation fonctionnelle pour écrire du code reproductible.
Apprendre sur DataCamp
Mettez vos compétences en pratique
- Functions for Food Price Forecasts
- Writing Functions for Product Analysis
- Group and Aggregate data with custom functions
Code de production
- Utiliser un système de gestion de versions comme git pour gérer le code
- Employer la gestion des erreurs, les assertions et des tests unitaires pour garantir la qualité du code
- Écrire une documentation permettant à d'autres de comprendre votre code
- Développer des packages pour rendre votre code réutilisable
Apprendre sur DataCamp
Mettez vos compétences en pratique
Développement de modèles
Conception de modèles
- Choisir un type de modèle adapté (régression, classification, clustering, etc.) selon votre jeu de données et vos objectifs d'analyse
Apprendre sur DataCamp
- Supervised Learning with scikit-learn
- Unsupervised Learning in Python
- Supervised Learning in R: Classification
- Supervised Learning in R: Regression
- Unsupervised Learning in R
- Supervised Machine Learning Cheat Sheet
- Unsupervised Machine Learning Cheat Sheet
- 8 Machine Learning Models Explained in 20 Minutes
Mettez vos compétences en pratique
- Predicting Credit Card Approvals
- Predict Taxi Fares with Random Forest
- Classify Song Genres from Audio Data
- Find Movie Similarity from Plot Summaries
- Clustering Heart Disease Patient Data
- ASL Recognition with Deep Learning
- Disney Movies and Box Office Success
Feature engineering
- Extraire des informations pertinentes à partir de variables existantes, par exemple le jour de la semaine à partir d'une date-heure, ou un indicateur "en âge de travailler" à partir d'une date de naissance.
- Combiner plusieurs variables pour en créer de nouvelles, par exemple additionner des ventes régionales pour obtenir un total, ou calculer le profit comme chiffre d'affaires moins coûts.
- Exploiter des jeux de données externes pour définir de nouvelles variables, par exemple une API géographique pour récupérer la ville à partir d'une longitude/latitude, ou une API de vision par ordinateur pour détecter la présence de personnes dans une image.
- Utiliser l'imputation pour estimer les valeurs manquantes.
Apprendre sur DataCamp
Mettez vos compétences en pratique
- Customer Analytics: Preparing Data for Modeling
- Predict Taxi Fares with Random Forest
- Classify Song Genres from Audio Data
- Find Movie Similarity from Plot Summaries
- Encoding Categorical Variables
- Sentiment Analysis and Prediction in Python
Ajustement des modèles
- Savoir générer des échantillons d'entraînement et de test, y compris via la validation croisée.
- Utiliser le réglage d'hyperparamètres pour optimiser les performances du modèle.
Apprendre sur DataCamp
Mettez vos compétences en pratique
- What Makes a Pokémon Legendary?
- Predict Taxi Fares with Random Forests
- Machine Learning with Python
- Machine Learning with R
- Predicting Hotel Booking Cancellations in Python
- Analyzing a Time Series of the Thames River in Python
Validation de modèles
- Évaluer les performances d'un modèle supervisé avec des métriques comme l'exactitude, la précision et le rappel.
- Évaluer les performances d'un modèle non supervisé avec des métriques comme l'homogénéité, l'exhaustivité et le coefficient de silhouette.
Apprendre sur DataCamp
Mettez vos compétences en pratique
- Clustering Bustabit Gambling Behavior
- Degrees That Pay You Back
- Evaluate your ML Model using the F-score
- How to Explain Black-Box Machine Learning Models
Expérimentation statistique
Méthodes d'échantillonnage
- Comprendre des lois statistiques comme les lois normale, uniforme et de Poisson
- Choisir des méthodes d'échantillonnage adaptées pour répondre à vos questions sans introduire de biais.
Apprendre sur DataCamp
Mettez vos compétences en pratique
Tests d'hypothèses
- Comprendre les hypothèses nulle et alternative
- Savoir quand et comment utiliser des tests d'hypothèses comme le t-test, le khi deux et le test de Mann-Whitney U
- Interpréter les statistiques de test et les p-values
Apprendre sur DataCamp
Mettez vos compétences en pratique
Communication des données
Data storytelling
- Construire un récit qui présente votre contexte, vos méthodes, vos résultats et vos conclusions
- Veiller à la cohérence du récit avec les enseignements tirés des données
- Épurer vos histoires pour supprimer les détails superflus
Apprendre sur DataCamp
Mettez vos compétences en pratique
Comprendre votre audience
- Comprendre les connaissances préalables et les centres d'intérêt de votre public
- Adapter votre message pour qu'il résonne avec votre audience, y compris non technique
Apprendre sur DataCamp
Mettez vos compétences en pratique
Sujets