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

Planification de restaurant assistée par l’IA

  • DébutantNiveau de compétence
  • 4.8+
  • 439 révisions

Interagissez avec un GPT personnalisé et utilisez vos compétences en matière de suggestion pour planifier et ouvrir votre restaurant.

Intelligence artificielle

1 heure

Cours

Détection de fraude en Python

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 209 révisions

Apprenez à détecter les fraudes à laide de Python.

Machine learning

4 heures

Cours

RNA-Seq avec Bioconductor en R

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 157 révisions

Utilisez l’analyse d’expression différentielle RNA-Seq pour identifier les gènes susceptibles d’être importants dans différentes maladies ou conditions.

Probabilités et statistiques

4 heures

Cours

Modèles ARIMA en R

  • DébutantNiveau de compétence
  • 4.8+
  • 341 révisions

Devenez un expert dans lajustement de modèles ARIMA (modèles autorégressifs à moyenne mobile intégrée) à des données de séries chronologiques à laide de R.

Probabilités et statistiques

4 heures

Cours

Étude de cas : développer un logiciel en Python

  • AvancéNiveau de compétence
  • 4.7+
  • 320 révisions

Créez des applications concrètes avec Python : entraînement à la POO et aux principes d’ingénierie logicielle pour un code propre et maintenable.

Développement de logiciels

3 heures

Cours

Analyse de clusters avec R

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 79 révisions

Développez votre intuition sur les regroupements hiérarchiques et via k-means, et appliquez-les pour extraire des infos pertinentes.

Machine learning

4 heures

Cours

Méthodes d’ensemble en Python

  • AvancéNiveau de compétence
  • 4.8+
  • 445 révisions

Apprenez à créer des modèles de machine learning avancés et efficaces en Python grâce à des techniques d’ensemble comme le bagging, le boosting et le stacking.

Machine learning

4 heures

Cours

Analyse de survie en R

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 223 révisions

Travaillez avec des data de temps jusquà un événement. Estimez, visualisez et interprétez les modèles de survie.

Probabilités et statistiques

4 heures

Cours

Reinforcement Learning from Human Feedback (RLHF)

  • AvancéNiveau de compétence
  • 4.7+
  • 334 révisions

Découvrez comment créer des modèles GenAI qui reflètent les valeurs humaines tout en acquérant une expérience pratique avec des LLM avancés.

Intelligence artificielle

4 heures

Cours

Machine Learning avec caret en R

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 47 révisions

Ce cours présente les concepts fondamentaux de lapprentissage automatique, notamment comment créer et évaluer des modèles prédictifs.

Machine learning

4 heures

Cours

Machine Learning Operations (MLOps) for Generative AI

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 53 révisions

Uncover the unique challenges faced by MLOps teams when deploying and managing Generative AI models, and explore how Vertex AI empowers AI teams.

Cloud

30 min

Cours

Analytique financière dans Google Sheets

  • DébutantNiveau de compétence
  • 4.7+
  • 142 révisions

Découvrez comment créer un tableau de bord graphique avec Google Sheets afin de suivre les performances des titres financiers.

Finance appliquée

4 heures

Cours

Modèles Linéaires Généralisés (GLM) en R

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 219 révisions

Le cours sur le modèle linéaire généralisé élargit votre boîte à outils de régression pour inclure la régression logistique et la régression de Poisson.

Probabilités et statistiques

4 heures

Cours

Google: Deploy Your First Agent

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 75 révisions

Deploy ADK agents to production using Vertex AI Agent Engine and Cloud Run. Add persistent cross-session memory with Memory Bank.

Cloud

1 heure

Cours

Utiliser les magasins de données dans AWS

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 60 révisions

Apprenez à choisir, créer et sécuriser des stockages de données AWS, dont DynamoDB et S3, via des exercices pratiques en console et des cas réels.

Cloud

3 heures

Cours

Feature Engineering avec PySpark

  • AvancéNiveau de compétence
  • 4.8+
  • 325 révisions

Apprenez les détails concrets sur lesquels les Data Scientist consacrent 70 à 80 % de leur temps : préparation des données et ingénierie des caractéristiques.

Manipulation des données

4 heures

Cours

Étude de cas : analyse de données dans Databricks

  • AvancéNiveau de compétence
  • 4.6+
  • 106 révisions

Apprenez à analyser les données Airbnb à laide de SQL dans Databricks, à créer des tableaux de bord et à en tirer des informations exploitables.

Importation et nettoyage des données

3 heures

Cours

Créer des tableaux de bord avec shinydashboard

  • DébutantNiveau de compétence
  • 4.7+
  • 94 révisions

Créez des tableaux de bord interactifs avec R grâce au puissant package shinydashboard. Créez des visualisations dynamiques et engageantes pour votre public.

Rapports

4 heures

Cours

Décrypter la modélisation des décisions

  • DébutantNiveau de compétence
  • 4.8+
  • 214 révisions

Renforcez vos compétences décisionnelles avec les modèles de décision, les méthodes d’analyse, la gestion des risques et les techniques d’optimisation.

Datalphabétisation

1 heure

Cours

Fondements de l’inférence en Python

  • AvancéNiveau de compétence
  • 4.8+
  • 257 révisions

Apprenez à tirer des conclusions pertinentes à partir de données dans ce cours de quatre heures sur linférence statistique en Python.

Probabilités et statistiques

4 heures

Cours

Google: Introduction to Generative AI

  • DébutantNiveau de compétence
  • 4.7+
  • 68 révisions

This is an introductory level course aimed at explaining what Generative AI is, how it is used, and how it differs from traditional machine learning methods.

Cloud

45 min

Cours

Introduction à la modélisation linéaire en Python

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 237 révisions

Explorez les concepts et applications des modèles linéaires avec Python pour décrire, prédire et dégager des tendances à partir des données.

Probabilités et statistiques

4 heures

Cours

Étude de cas : analyse des stocks dans Power BI

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 190 révisions

Ce cas Power BI sappuie sur une utilisation dans les affaires, portant sur lanalyse des stocks à laide de DAX et de visualisations.

Visualisation des données

5 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.