Cours
Gérer les données manquantes en R
- DébutantNiveau de compétence
- 4.7+
- 142 révisions
Visualisez, explorez et imputez facilement les données manquantes avec naniar, une méthode compatible tidyverse.
Préparation des données
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
Visualisez, explorez et imputez facilement les données manquantes avec naniar, une méthode compatible tidyverse.
Préparation des données
Cours
Build, configure, and run your first AI agent using Googles Agent Development Kit (ADK). Set up environments, create agents in Python and YAML.
Cloud
Cours
Apprenez à réaliser les deux tâches principales de linférence statistique : lestimation des paramètres et le test dhypothèses.
Probabilités et statistiques
Cours
Visualisez la saisonnalité, les tendances et dautres modèles dans vos données chronologiques.
Visualisation des données
Cours
Apprenez à concevoir des enquêtes en utilisant des structures courantes, puis visualisez et analysez les résultats.
Probabilités et statistiques
Cours
Confiance et sécurité avec Google Cloud
Cloud
Cours
Apprenez les bases de la probabilité : variables aléatoires, moyenne, variance, distributions de probabilité et probabilités conditionnelles
Probabilités et statistiques
Cours
In this course, youll learn how to collect Twitter data and analyze Twitter text, networks, and geographical origin.
Manipulation des données
Cours
Apprenez à utiliser Python pour analyser le taux de désabonnement des clients et créer un modèle permettant de le prédire.
Analyse exploratoire des données
Cours
Travaillez avec des data de temps jusquà un événement. Estimez, visualisez et interprétez les modèles de survie.
Probabilités et statistiques
Cours
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
Cours
This course introduces the comprehensive and flexible infrastructure and platform services provided by Google Cloud with a focus on Infrastructure Foundations.
Cloud
Cours
Explorer les variables latentes, telles que la personnalité, à laide danalyses factorielles exploratoires et confirmatoires.
Probabilités et statistiques
Cours
Maîtrisez le langage SQL, la gestion des données, loptimisation et la sécurité dAmazon Redshift.
Ingénierie des données
Cours
Gérez la complexité de votre code en utilisant la programmation orientée objet avec les systèmes S3 et R6.
Développement de logiciels
Cours
Utilisez vos compétences en matière de manipulation et de visualisation pour examiner lhistorique des votes de lAssemblée générale des NU.
Analyse exploratoire des données
Cours
Apprenez à identifier, analyser, supprimer et imputer les données manquantes dans Python.
Manipulation des données
Cours
Développez les compétences nécessaires pour nettoyer les données brutes et les transformer en informations précises.
Préparation des données
Cours
From customer lifetime value, predicting churn to segmentation - learn and implement Machine Learning use cases for Marketing in Python.
Machine learning
Cours
Découvrez comment segmenter vos clients dans Python.
Manipulation des données
Cours
Analysez les données textuelles dans R à laide du framework Tidy.
Manipulation des données
Cours
Apprenez comment fonctionnent les ordinateurs, concevez des algorithmes efficaces et explorez la théorie computationnelle pour résoudre des problèmes concrets.
Développement de logiciels
Cours
Assurez la cohérence des données en apprenant à utiliser les transactions et à gérer les erreurs dans des environnements concurrents.
Développement de logiciels
Cours
Découvrez les modèles GARCH, comment les mettre en œuvre et les calibrer sur des données financières allant des actions aux devises étrangères.
Finance appliquée
Cours
Ce cours sadresse aux utilisateurs de R qui souhaitent se familiariser avec Python.
Développement de logiciels
Cours
This course introduces Google Clouds AI and machine learning (ML) capabilities, with a focus on developing both generative and predictive AI projects.
Cloud
Cours
Deploy ADK agents to production using Vertex AI Agent Engine and Cloud Run. Add persistent cross-session memory with Memory Bank.
Cloud
Cours
Apprenez des techniques efficaces dans pandas pour optimiser votre code Python.
Développement de logiciels
Cours
Apprenez à collecter et télécharger efficacement des données à partir de nimporte quel site web à laide de R.
Préparation des données
Cours
Learn human-centric AI orchestration. Distinguish between augmentation and automation, and balance machine efficiency with human intuition.
Cloud
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 conçus pour mobile et à nos défis quotidiens de 5 minutes.