Cours
Developing Containerized Applications on Google Cloud
- IntermédiaireNiveau de compétence
- 5
- 10 révisions
Learn about creating and securing containers, and Google Kubernetes Engine for application developers.
Cloud
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.
ou
Cours
Learn about creating and securing containers, and Google Kubernetes Engine for application developers.
Cloud
Cours
Découvrez comment fonctionnent les modèles derrière Google Translate avec Keras.
Intelligence artificielle
Cours
Maîtrisez la visualisation des données dans Julia. Créez des graphiques impressionnants tout en comprenant quand et comment les utiliser.
Visualisation des données
Cours
Deploy and manage Kubernetes workloads on GKE. Cover networking, deployments, jobs, persistent storage, and data management in production environments.
Cloud
Cours
Apprenez à créer des graphiques animés et des vues liées entièrement en R avec plotly.
Visualisation des données
Cours
Apprenez les tests statistiques pour identifier les valeurs aberrantes et à utiliser des algorithmes sophistiqués de notation des anomalies.
Probabilités et statistiques
Cours
Apprenez des stratégies pour répondre à des questions de probabilité dans R en résolvant divers casse-têtes de probabilité.
Probabilités et statistiques
Cours
Apprenez à créer des visualisations de données interactives, notamment à créer et connecter des widgets à laide de Bokeh.
Visualisation des données
Cours
Operate Dataflow pipelines in production. Learn monitoring, logging, troubleshooting, performance tuning, CI/CD, reliability, and templates.
Cloud
Cours
Maîtrisez les compétences essentielles de la manipulation de data dans Julia : inspecter, transformer, regrouper et visualiser des DataFrame
Manipulation des données
Cours
Apprenez les modèles mixtes : un cadre statistique pratique et formel pour le regroupement et la classification probabilistes.
Probabilités et statistiques
Cours
Prévoyez les taux de clics sur les publicités et à mettre en œuvre des modèles de ML en Python pour mieux optimiser vos publicités.
Machine learning
Cours
Apprenez à analyser et à modéliser les données relatives aux choix des clients dans R.
Probabilités et statistiques
Cours
Prédisez les étiquettes des nœuds dans les réseaux via lapprentissage en réseau et en extrayant des caractéristiques descriptives du réseau
Probabilités et statistiques
Cours
Learn to build simple models of market response to increase the effectiveness of your marketing plans.
Probabilités et statistiques
Cours
Building AI Agent Harnesses with Strands Agents
Intelligence artificielle
Cours
Learn how to use Claude to analyze your data and extract accurate, actionable insights.
Intelligence artificielle
Cours
Learn to build knowledge-grounded LLM applications that retrieve relevant information from structured and unstructured sources before generating responses.
Intelligence artificielle
Cours
Learn to build conversational LLM applications — with reliable structured output, persistent conversation history, and real-time streaming.
Intelligence artificielle
Cours
Learn to extend your LLM applications with external tools, so your applications can retrieve live data, perform computations, and take real-world actions.
Intelligence artificielle
Cours
Learn to write effective prompts and systematically improve them through evaluation rather than intuition.
Intelligence artificielle
Cours
Learn to systematically measure and improve LLM application quality.
Intelligence artificielle
Cours
Learn to build agentic systems using LangGraph.
Intelligence artificielle
Cours
Develop the judgment to use AI safely, ethically, and responsibly in your work.
Intelligence artificielle
Cours
Learn how to install and modify existing plugins, as well as how to build your own plugins using Claude Cowork.
Intelligence artificielle
Cours
Understand what drives the cost of every AI conversation, and build habits that get more out of your plan without giving up quality.
Intelligence artificielle
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.
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.
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.
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.
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.
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.
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.
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.
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.
Progressez où que vous soyez grâce à nos cours mobiles et à nos défis de code quotidiens de 5 minutes.