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.
778 Cours

Cours

Analyse factorielle avec R

  • AvancéNiveau de compétence
  • 4.7+
  • 161 révisions

Explorer les variables latentes, telles que la personnalité, à laide danalyses factorielles exploratoires et confirmatoires.

Probabilités et statistiques

4 heures

Cours

Analyse de survie en R

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 201 révisions

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

Probabilités et statistiques

4 heures

Cours

Visualiser des séries temporelles en Python

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 98 révisions

Visualisez la saisonnalité, les tendances et dautres modèles dans vos données chronologiques.

Visualisation des données

4 heures

Cours

Introduction à la modélisation linéaire en Python

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 224 révisions

Explore the concepts and applications of linear models with python and build models to describe, predict, and extract insight from data patterns.

Probabilités et statistiques

4 heures

Cours

Développer des applications sur AWS

  • IntermédiaireNiveau de compétence
  • 5
  • 13 révisions

Build cloud apps on AWS with API Gateway, Lambda, SQS, SNS, EventBridge, and Kinesis. Master serverless and event-driven patterns for the DVA-C02 exam.

Cloud

3 heures

Cours

Communiquer avec les données dans le tidyverse

  • DébutantNiveau de compétence
  • 4.8+
  • 200 révisions

Exploitez les outils tidyverse pour créer des graphiques de qualité publication et des rapports personnalisés de vos résultats.

Visualisation des données

4 heures

Cours

Programmation orientée objet avec S3 et R6 en R

  • AvancéNiveau de compétence
  • 4.7+
  • 293 révisions

Gérez la complexité de votre code en utilisant la programmation orientée objet avec les systèmes S3 et R6.

Développement de logiciels

4 heures

Cours

Introduction à Redshift

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 109 révisions

Maîtrisez le langage SQL, la gestion des données, loptimisation et la sécurité dAmazon Redshift.

Ingénierie des données

4 heures

Cours

Analyser des données de réseaux sociaux en Python

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 33 révisions

In this course, youll learn how to collect Twitter data and analyze Twitter text, networks, and geographical origin.

Manipulation des données

4 heures

Cours

Concepts en informatique

  • DébutantNiveau de compétence
  • 4.7+
  • 183 révisions

Apprenez comment fonctionnent les ordinateurs, concevez des algorithmes efficaces et explorez la théorie computationnelle pour résoudre des problèmes concrets.

Développement de logiciels

3 heures

Cours

Modèles d'IA évolutifs avec PyTorch Lightning

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 111 révisions

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

Intelligence artificielle

3 heures

Cours

Gérer les données manquantes en Python

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 187 révisions

Apprenez à identifier, analyser, supprimer et imputer les données manquantes dans Python.

Manipulation des données

4 heures

Cours

Nettoyer des données dans des bases SQL Server

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 189 révisions

Développez les compétences nécessaires pour nettoyer les données brutes et les transformer en informations précises.

Préparation des données

4 heures

Cours

Essential Google Cloud Infrastructure: Foundation

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 39 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

Transactions et gestion des erreurs dans PostgreSQL

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 102 révisions

Assurez la cohérence des données en apprenant à utiliser les transactions et à gérer les erreurs dans des environnements concurrents.

Développement de logiciels

4 heures

Cours

Modèles GARCH en Python

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 194 révisions

Découvrez les modèles GARCH, comment les mettre en œuvre et les calibrer sur des données financières allant des actions aux devises étrangères.

Finance appliquée

4 heures

Cours

Web scraping en R

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 99 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

Machine Learning pour le marketing en Python

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 176 révisions

From customer lifetime value, predicting churn to segmentation - learn and implement Machine Learning use cases for Marketing in Python.

Machine learning

4 heures

Cours

Python pour les utilisateurs de R

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 83 révisions

Ce cours sadresse aux utilisateurs de R qui souhaitent se familiariser avec Python.

Développement de logiciels

5 heures

Cours

Machine Learning avec caret en R

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 44 révisions

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

Machine learning

4 heures

Cours

Modèles Linéaires Généralisés (GLM) en R

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 197 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

Probabilité avancée : l’incertitude dans les données

  • AvancéNiveau de compétence
  • 4.8+
  • 160 révisions

Develop a better intuition for advanced probability, risk assessment, and simulation techniques to make data-driven business decisions with confidence.

Probabilités et statistiques

2 heures

Cours

Étude de cas : analyse exploratoire de données en R

  • DébutantNiveau de compétence
  • 4.9+
  • 49 révisions

Utilisez vos compétences en matière de manipulation et de visualisation pour examiner lhistorique des votes de lAssemblée générale des NU.

Analyse exploratoire des données

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.

Apprenez où que vous soyez avec l'application DataCamp

Progressez où que vous soyez grâce à nos cours conçus pour mobile et à nos défis quotidiens de 5 minutes.