Accéder au contenu principal

Cours sur la data, l’IA et le cloud

Maîtrisez les compétences qui font toute la différence

Suivez de courtes vidéos animées par des formateurs experts, puis mettez en pratique ce que vous avez appris avec des exercices interactifs dans votre navigateur.

  • Apprenez à votre rythme
  • Gagnez en expérience pratique
  • Des chapitres courts et digestes

Créez votre compte gratuitement

Continuer avec GoogleAfficher plus d’options

ou


En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.
794 Cours

Cours

Scaling with Google Cloud Operations

  • DébutantNiveau de compétence
  • 4.8+
  • 115 révisions

Scaling with Google Cloud Operations

Cloud

1 heure

Cours

Analyser des données de réseaux sociaux en Python

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 35 révisions

Maîtrisez la collecte de données Twitter et l’analyse de texte, de réseaux et d’origine géographique sur Twitter dans ce cours.

Manipulation des données

4 heures

Cours

Analyzing Social Media Data in R

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 100 révisions

Extrayez et visualisez les données Twitter, effectuez des analyses de sentiments et de réseaux, et cartographiez vos tweets.

Manipulation des données

4 heures

Cours

Visualisation de données interactive avec plotly en R

  • DébutantNiveau de compétence
  • 4.8+
  • 98 révisions

Découvrez comment utiliser plotly dans R pour créer des graphiques interactifs afin daméliorer la présentation de vos données.

Visualisation des données

4 heures

Cours

Introduction à Amazon Bedrock

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 143 révisions

Découvrez Amazon Bedrock pour accéder aux modèles de base et créer des apps IA sans gérer l’infrastructure.

Intelligence artificielle

3 heures

Cours

Machine Learning pour le marketing en Python

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 190 révisions

Apprenez à mettre en œuvre le machine learning en marketing : valeur vie client, prédiction du churn et segmentation avec Python.

Machine learning

4 heures

Cours

Modèles linéaires généralisés en Python

  • AvancéNiveau de compétence
  • 4.7+
  • 152 révisions

Créez une boîte à outils de régression avec les modèles logistiques et de Poisson. Formez, comprenez et validez-les. Faites des prédictions.

Probabilités et statistiques

5 heures

Cours

Analyzing IoT Data in Python

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 121 révisions

Découvrez comment importer, nettoyer et manipuler des données IoT dans Python afin de les préparer pour le machine learning.

Manipulation des données

4 heures

Cours

Inférence pour des données numériques en R

  • AvancéNiveau de compétence
  • 4.8+
  • 122 révisions

Dans ce cours, vous apprendrez des techniques permettant deffectuer des inférences statistiques sur des données numériques.

Probabilités et statistiques

4 heures

Cours

Manipulation de données dans KNIME

  • DébutantNiveau de compétence
  • 4.8+
  • 275 révisions

Automatisez la manipulation des données avec KNIME, en maîtrisant la fusion, l’agrégation, les workflows de base de données et la gestion avancée des fichiers.

Manipulation des données

3 heures

Cours

Créer des workflows agentiques avec LlamaIndex

  • AvancéNiveau de compétence
  • 4.7+
  • 76 révisions

Créez des flux de travail basés sur lintelligence artificielle capables de planifier, rechercher, mémoriser et collaborer à laide de LlamaIndex.

Intelligence artificielle

2 heures

Cours

Évaluation des actions avec R

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 74 révisions

Apprenez les principes fondamentaux de la valorisation des actions.

Finance appliquée

4 heures

Cours

Essential Google Cloud Infrastructure: Foundation

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 58 révisions

This course introduces the comprehensive and flexible infrastructure and platform services provided by Google Cloud with a focus on Infrastructure Foundations.

Cloud

4 heures 45 min

Cours

Web scraping en R

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 103 révisions

Apprenez à collecter et télécharger efficacement des données à partir de nimporte quel site web à laide de R.

Préparation des données

4 heures

Cours

Google: Introduction to Large Language Models

  • DébutantNiveau de compétence
  • 4.9+
  • 50 révisions

This is an introductory level course that explores what large language models (LLM) are, their use cases, and how you can prompt them.

Cloud

1 heure

Cours

Modèles d'IA évolutifs avec PyTorch Lightning

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 131 révisions

Optimisez vos projets dIA en créant des modèles modulaires et en maîtrisant loptimisation avancée avec PyTorch Lightning.

Intelligence artificielle

3 heures

Cours

Données catégorielles dans le Tidyverse

  • DébutantNiveau de compétence
  • 4.8+
  • 192 révisions

Dans ce cours, vous travaillerez avec des données non numériques : intitulés de poste, réponses à des enquêtes, via Tidyverse.

Manipulation des données

4 heures

Cours

Analyse de réseaux intermédiaire en Python

  • AvancéNiveau de compétence
  • 4.8+
  • 97 révisions

Analysez des graphiques de séries temporelles, utilisez les graphes bipartis et relevez des défis avancés en analyse de réseaux.

Probabilités et statistiques

4 heures

Cours

Tests A/B en R

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 102 révisions

Découvrez les tests A/B dans R, concevez des expériences, analysez des data, prédisez et présentez des résultats à laide de visualisations.

Probabilités et statistiques

4 heures

Cours

Programmer avec dplyr

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 56 révisions

Apprenez à effectuer des transformations dplyr avancées et à intégrer du code dplyr et ggplot2 dans des fonctions.

Manipulation des données

4 heures

Cours

Étude de cas : analyse e-commerce avec Power BI

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 229 révisions

En e-commerce, c’est essentiel de vendre efficacement. Analysez les data dune entreprise darticles pour animaux à laide de Power BI.

Visualisation des données

4 heures

Cours

MLOps pour l’entreprise

  • DébutantNiveau de compétence
  • 4.8+
  • 181 révisions

Découvrez MLOps, notamment les outils et les pratiques nécessaires à lautomatisation et à la mise à léchelle des applications de ML.

Machine learning

3 heures

Cours

Modélisation du risque de crédit en R

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 96 révisions

Appliquez la modélisation statistique dans un contexte réel à l’aide de la régression logistique et des arbres de décision pour modéliser le risque de crédit.

Finance appliquée

4 heures

Cours

Analyse de réseaux avec R

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 141 révisions

Apprenez à analyser et à visualiser les données réseau à laide du package igraph et créez des graphiques réseau interactifs avec threejs.

Probabilités et statistiques

4 heures

FAQs

Qu’est-ce que la data science ?

La data science est un domaine d’expertise centré sur l’extraction d’informations à partir des données. Grâce à leurs compétences en programmation, à des méthodes scientifiques et à divers algorithmes, les data scientists analysent les données afin d’en tirer des informations clés réellement exploitables.

Comment puis-je apprendre la data science ?

Pour devenir data scientist, vous devrez apprendre un langage de programmation comme Python ou R, et maîtriser les bases des mathématiques et des statistiques. Il est également essentiel de connaître les techniques d’analyse de données et les outils propres à la data science. Il existe de nombreuses façons de se former. Au-delà des parcours académiques classiques (diplômes ou études universitaires), vous pouvez apprendre à votre propre rythme grâce à une multitude de ressources : cours et tutoriels en ligne, livres, vidéos, et bien plus encore.

Quelles sont les compétences requises pour la data science ?

En plus de solides bases en mathématiques et en statistiques, les data scientists doivent maîtriser des langages de programmation comme Python, R et SQL. Ils doivent aussi savoir travailler avec de grands volumes de données, comprendre la visualisation, le traitement des données et la gestion des bases de données. Des compétences en machine learning (et parfois en deep learning) constituent également un atout important.

En quoi la data science pourrait être utile pour moi ?

À l’échelle professionnelle, presque tous les secteurs font appel à la data science d’une manière ou d’une autre. Les organisations de santé l’utilisent pour détecter des maladies et améliorer les traitements, tandis que les entreprises financières s’en servent pour repérer et prévenir la fraude. Dans tous les domaines, la data science joue aussi un rôle clé en marketing, qu’il s’agisse de concevoir des systèmes de recommandation ou d’analyser le taux de désabonnement.

Est-il intéressant de travailler dans la data science ?

Oui. La data science est l’un des secteurs à la croissance la plus rapide, aux États-Unis comme ailleurs. C’est également l’un des secteurs qui rémunèrent le mieux. Selon Payscale, les data scientists expérimentés gagnent en moyenne 97 609 $ et affichent un taux d'épanouissement de quatre étoiles sur cinq aux États-Unis.

Est-il difficile de devenir data scientist ?

Il y a plusieurs éléments à prendre en compte. Tout d’abord, les diplômes conventionnels en data science peuvent être très difficiles à obtenir et exigent souvent d’excellents résultats académiques. Ensuite, les compétences nécessaires demandent du temps et de la persévérance : il faut parfois plusieurs mois pour maîtriser les bases, ainsi qu’une vraie expérience pratique pour décrocher un premier poste dans le domaine.

La data science nécessite-t-elle du codage ?

Oui, une certaine expérience du codage est nécessaire, notamment en Python, R, SQL, Java ou C/C++. Cela dit, grâce à sa syntaxe simple et intuitive, Python reste le langage privilégié des débutants.

Combien de temps faut-il pour devenir data scientist ?

Sans expérience préalable en programmation ou en mathématiques, il faut généralement 7 à 12 mois d’apprentissage intensif pour atteindre le niveau d’un data scientist débutant. Mais il est essentiel de garder à l’esprit qu’acquérir uniquement les bases théoriques ne suffit pas : ce qui forme vraiment un data scientist, c’est la pratique et la capacité à appliquer ces concepts sur des projets concrets.

Quels sujets puis-je étudier dans le domaine de la data science ?

Une fois les bases de la data science maîtrisées, vous pouvez vous spécialiser dans de nombreux domaines : machine learning, intelligence artificielle, analyse de Big Data, business intelligence, exploration de données, et bien plus encore.

Développez vos compétences en données avec DataCamp for Mobile

Progressez où que vous soyez grâce à nos cours mobiles et à nos défis de code quotidiens de 5 minutes.