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
Maîtrisez la manipulation des data temporelles via R, limportation, la synthèse, la création de sous-ensembles, via zoo, lubridate et xts.
Manipulation des données
Cours
Dans ce cours, vous apprendrez à prédire des événements futurs avec la régression linéaire, les modèles additifs généralisés, les forêts aléatoires et xgboost.
Machine learning
Cours
Learn to effectively convey your data with an overview of common charts, alternative visualization types, and perception-driven style enhancements.
Visualisation des données
Cours
Utilisez l’analyse d’expression différentielle RNA-Seq pour identifier les gènes susceptibles d’être importants dans différentes maladies ou conditions.
Probabilités et statistiques
Cours
Faites des prévisions via la prévision de séries chronologiques dans R, notamment les modèles ARIMA et les méthodes de lissage exponentiel.
Probabilités et statistiques
Cours
Découvrez l’analyse bayésienne des données, son fonctionnement et pourquoi c’est un outil utile dans votre boîte à outils Data Science.
Probabilités et statistiques
Cours
Ce cours propose une introduction au regroupement et à la réduction de dimensionnalité dans R, dans une perspective de machine learning.
Machine learning
Cours
Explorer les variables latentes, telles que la personnalité, à laide danalyses factorielles exploratoires et confirmatoires.
Probabilités et statistiques
Cours
Apprenez les principes fondamentaux de lanalyse, de la manipulation et du calcul des dates et heures dans R.
Développement de logiciels
Cours
Développez votre intuition sur les regroupements hiérarchiques et via k-means, et appliquez-les pour extraire des infos pertinentes.
Machine learning
Cours
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
Cours
Dans ce cours, vous apprendrez à effectuer des inférences à laide de modèles linéaires.
Probabilités et statistiques
Cours
Apprenez à concevoir des enquêtes en utilisant des structures courantes, puis visualisez et analysez les résultats.
Probabilités et statistiques
Cours
Discover different types in data modeling, including for prediction, and learn how to conduct linear regression and model assessment measures in the Tidyverse.
Probabilités et statistiques
Cours
Learn how to pull character strings apart, put them back together and use the stringr package.
Développement de logiciels
Cours
Analysez les données textuelles dans R à laide du framework Tidy.
Manipulation des données
Cours
Make it easy to visualize, explore, and impute missing data with naniar, a tidyverse friendly approach to missing data.
Préparation des données
Cours
Ce cours présente les concepts fondamentaux de lapprentissage automatique, notamment comment créer et évaluer des modèles prédictifs.
Machine learning
Cours
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
Cours
Découvrez le fonctionnement des dates dans R et explorez lunivers des instructions if, des boucles et des fonctions à laide dexemples financiers.
Finance appliquée
Cours
Apprenez à collecter et télécharger efficacement des données à partir de nimporte quel site web à laide de R.
Préparation des données
Cours
Travaillez avec des data de temps jusquà un événement. Estimez, visualisez et interprétez les modèles de survie.
Probabilités et statistiques
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 analyser et à visualiser les données réseau à laide du package igraph et créez des graphiques réseau interactifs avec threejs.
Probabilités et statistiques
Cours
Utilisez des modèles arborescents et des ensembles pour effectuer des prédictions de classification et de régression avec tidymodels.
Machine learning
Cours
Apprenez à visualiser des séries chronologiques dans R, puis mettez vos connaissances en pratique à laide dune étude de cas sur la sélection dactions.
Visualisation des données
Cours
Dans ce cours, vous travaillerez avec des données non numériques : intitulés de poste, réponses à des enquêtes, via Tidyverse.
Manipulation des données
Cours
Apprenez comment accéder aux données financières à partir de fichiers locaux ainsi que de sources Internet.
Finance appliquée
Cours
Exploitez les packages tidyr et purrr du tidyverse pour générer, explorer et évaluer des modèles de machine learning.
Machine learning
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.