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.
775 Cours

Cours

Analyzing IoT Data in Python

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 116 révisions

Découvrez comment importer, nettoyer et manipuler des données IoT dans Python afin de les préparer pour le machine learning.

Manipulation des données

4 heures

Cours

MLOps pour l’entreprise

  • DébutantNiveau de compétence
  • 4.8+
  • 159 révisions

Découvrez MLOps, notamment les outils et les pratiques nécessaires à lautomatisation et à la mise à léchelle des applications de ML.

Machine learning

3 heures

Cours

R pour les utilisateurs de SAS

  • DébutantNiveau de compétence
  • 4.7+
  • 29 révisions

Apprenez à transposer vos connaissances SAS en R et à analyser des données avec ce langage logiciel gratuit et puissant.

Développement de logiciels

4 heures

Cours

Analyzing Police Activity with pandas

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 30 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

Python pour les utilisateurs de MATLAB

  • DébutantNiveau de compétence
  • 4.8+
  • 32 révisions

Passez de MATLAB à Python en apprenant quelques concepts fondamentaux et en vous familiarisant avec les bibliothèques NumPy et Matplotlib.

Développement de logiciels

4 heures

Cours

Introduction à l’analyse de portefeuille en R

  • DébutantNiveau de compétence
  • 4.8+
  • 153 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

Créer des moteurs de recommandation en Python

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 153 révisions

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

Machine learning

4 heures

Cours

Programmer avec dplyr

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 52 révisions

Apprenez à effectuer des transformations dplyr avancées et à intégrer du code dplyr et ggplot2 dans des fonctions.

Manipulation des données

4 heures

Cours

Planning a Product Launch with Claude Cowork

  • IntermédiaireNiveau de compétence
  • 4.5+
  • 14 révisions

Tired of launch week chaos? Plan and write a full product launch in a single session with Claude Cowork.

Intelligence artificielle

15 min

Cours

Gestion quantitative des risques avec R

  • DébutantNiveau de compétence
  • 4.8+
  • 85 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

Inférence pour des données numériques en R

  • AvancéNiveau de compétence
  • 4.8+
  • 114 révisions

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

Probabilités et statistiques

4 heures

Cours

Modélisation du risque de crédit en R

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 88 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

Google: Manage Agent Memory and State

  • IntermédiaireNiveau de compétence
  • 4.6+
  • 33 révisions

Build stateful AI agents that maintain context and remember user preferences using session state, memory management, and personalization.

Cloud

1 heure 30 min

Cours

AI Infrastructure: Networking Techniques

  • IntermédiaireNiveau de compétence
  • 4.9+
  • 21 révisions

Design and deploy high-performance AI/ML solutions using Google Clouds AI Hypercomputer, GPUs, TPUs, Compute, and Google Kubernetes Engine.

Cloud

1 heure

Cours

Essential Google Cloud Infrastructure: Core Services

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 35 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

Programmation R défensive

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 90 révisions

Apprenez la programmation défensive en R pour renforcer la robustesse de votre code.

Développement de logiciels

4 heures

Cours

Deep learning avancé avec Keras

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 246 révisions

Développez des modèles de deep learning avec Keras.

Intelligence artificielle

4 heures

Cours

Créer des agents d’IA avec Haystack

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 47 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

Inférence pour des données catégorielles en R

  • AvancéNiveau de compétence
  • 4.8+
  • 117 révisions

Dans ce cours, vous apprendrez à exploiter les techniques statistiques pour travailler avec des données catégorielles.

Probabilités et statistiques

4 heures

Cours

Visualiser des séries temporelles en R

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 185 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

Modéliser avec tidymodels en R

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 186 révisions

Apprenez à optimiser vos workflows de machine learning avec tidymodels.

Machine learning

4 heures

Cours

Développer des packages R

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 159 révisions

Learn to develop R packages and boost your coding skills. Discover package creation benefits, practice with dev tools, and create a unit conversion package.

Développement de logiciels

4 heures

Cours

Analyse des séries temporelles dans PostgreSQL

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 101 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

Cours

Production Machine Learning Systems

  • IntermédiaireNiveau de compétence
  • 5
  • 11 révisions

Learn how to implement the various flavors of ML: static, dynamic, and continuous training; static and dynamic inference; and batch and online processing.

Cloud

16 heures

Cours

Analyse des séries temporelles avec Tableau

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 163 révisions

Maîtrisez la classification, le traitement et l’analyse des séries temporelles : essentiel pour progresser en tant que professionnel de l’analytics.

Visualisation des données

2 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.