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

Créer des moteurs de recommandation en Python

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 151 révisions

Apprenez à développer des moteurs de recommandation en Python à laide de techniques de machine learning.

Machine learning

4 heures

Cours

Google: Introduction to Generative AI

  • DébutantNiveau de compétence
  • 4.7+
  • 24 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

Analytique marketing dans Tableau

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 90 révisions

Maîtrisez lanalyse marketing à laide de Tableau. Analysez les performances, comparez les indicateurs et optimisez les stratégies sur tous les canaux.

Préparation des données

6 heures

Cours

Machines à vecteurs de support en R

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 93 révisions

Ce cours présente la machine à vecteurs de support (SVM) à laide dune approche visuelle et intuitive.

Machine learning

4 heures

Cours

Google Cloud Fundamentals: Core Infrastructure

  • DébutantNiveau de compétence
  • 4.8+
  • 17 révisions

Learn Google Cloud essentials including computing, storage, networking, and resource management through videos and hands-on labs in this foundational course.

Cloud

5 heures

Cours

Modélisation du risque de crédit en R

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 87 révisions

Appliquez la modélisation statistique dans un contexte réel à l’aide de la régression logistique et des arbres de décision pour modéliser le risque de crédit.

Finance appliquée

4 heures

Cours

Créer des moteurs de recommandation avec PySpark

  • AvancéNiveau de compétence
  • 4.8+
  • 240 révisions

Apprenez à utiliser des outils et des techniques pour exploiter vos propres big data afin de faciliter des expériences positives pour vos utilisateurs.

Machine learning

4 heures

Cours

Prévisions financières en Python

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 92 révisions

Step into the role of CFO and learn how to advise a board of directors on key metrics while building a financial forecast.

Finance appliquée

4 heures

Cours

Deep learning avancé avec Keras

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 241 révisions

Développez des modèles de deep learning avec Keras.

Intelligence artificielle

4 heures

Cours

Analyzing Police Activity with pandas

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 28 révisions

Explorez l’ensemble de données du Stanford Open Policing Project et analysez l’impact du genre sur le comportement policier avec pandas.

Manipulation des données

4 heures

Cours

Essential Google Cloud Infrastructure: Core Services

  • IntermédiaireNiveau de compétence
  • 4.9+
  • 31 révisions

This course introduces the comprehensive and flexible infrastructure and platform services provided by Google Cloud with a focus on Core Services.

Cloud

8 heures 15 min

Cours

Inférence pour des données numériques en R

  • AvancéNiveau de compétence
  • 4.8+
  • 110 révisions

Dans ce cours, vous apprendrez des techniques permettant deffectuer des inférences statistiques sur des données numériques.

Probabilités et statistiques

4 heures

Cours

Simulation statistique en Python

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 28 révisions

Apprenez à résoudre des problèmes de plus en plus complexes en utilisant des simulations pour générer et analyser des données.

Probabilités et statistiques

4 heures

Cours

Introduction à l’analyse de portefeuille en R

  • DébutantNiveau de compétence
  • 4.8+
  • 150 révisions

Mettez à profit vos compétences en finance et en R pour effectuer des backtests, analyser et optimiser des portefeuilles financiers.

Finance appliquée

5 heures

Cours

Étude de cas : Analytics des ventes avec Databricks Genie

  • DébutantNiveau de compétence
  • 4.9+
  • 20 révisions

Créez un espace Databricks Genie de bout en bout : descriptions, synonymes, instructions, relations de table, requêtes d’exemple, suivi et benchmarks.

Ingénierie des données

2 heures

Cours

Créer des agents d’IA avec Haystack

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 46 révisions

Créez un agent IA pour la santé avec Haystack, un framework open source pour orchestrer des LLM et des composants externes.

Intelligence artificielle

1 heure 30 min

Cours

Tests A/B en R

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 95 révisions

Découvrez les tests A/B dans R, concevez des expériences, analysez des data, prédisez et présentez des résultats à laide de visualisations.

Probabilités et statistiques

4 heures

Cours

Gestion quantitative des risques avec R

  • DébutantNiveau de compétence
  • 4.8+
  • 83 révisions

Travailler avec des séries de rendements des facteurs de risque, étudier leurs propriétés empiriques et estimer la valeur à risque.

Finance appliquée

5 heures

Cours

Analyse de survie en Python

  • AvancéNiveau de compétence
  • 4.7+
  • 73 révisions

Utilisez lanalyse de survie pour traiter les données relatives au délai avant événement et prédire la durée de survie.

Probabilités et statistiques

4 heures

Cours

Visualiser des séries temporelles en R

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 183 révisions

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

4 heures

Cours

Analyse des séries temporelles avec Tableau

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 160 révisions

In this course, you’ll learn to classify, treat and analyze time series; an absolute must, if you’re serious about stepping up as an analytics professional.

Visualisation des données

2 heures

Cours

Études de cas en pensée statistique

  • IntermédiaireNiveau de compétence
  • 4.9+
  • 85 révisions

Take vital steps towards mastery as you apply your statistical thinking skills to real-world data sets and extract actionable insights from them.

Probabilités et statistiques

4 heures

Cours

Analyse des séries temporelles dans PostgreSQL

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 94 révisions

Apprenez à utiliser PostgreSQL pour gérer efficacement l’analyse des séries temporelles et appliquer ces techniques à des données réelles.

Manipulation 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.