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.
349 Cours

Cours

Machine Learning for Finance in Python

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 208 révisions

Learn to model and predict stock data values using linear models, decision trees, random forests, and neural networks.

Machine learning

4 heures

Cours

Modèles Linéaires Généralisés (GLM) en R

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 191 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

Nettoyer des données dans des bases PostgreSQL

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 445 révisions

Apprenez à exploiter vos données brutes et désorganisées stockées dans une base de données PostgreSQL afin den extraire des informations précises.

Préparation des données

4 heures

Cours

Fondamentaux des probabilités en Python

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 201 révisions

Apprenez les bases de la probabilité : variables aléatoires, moyenne, variance, distributions de probabilité et probabilités conditionnelles

Probabilités et statistiques

5 heures

Cours

Window Functions in Snowflake

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 489 révisions

Discover Snowflake window functions to solve complex data problems with rankings, partitions, and rolling calculations.

Manipulation des données

3 heures

Cours

Introduction à TensorFlow en Python

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 53 révisions

Apprenez les principes fondamentaux des réseaux neuronaux et comment créer des modèles dapprentissage profond à laide de TensorFlow.

Machine learning

4 heures

Cours

Intermediate Importing Data in R

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 270 révisions

Parse data in any format. Whether its flat files, statistical software, databases, or data right from the web.

Préparation des données

3 heures

Cours

Building Web Applications with Shiny in R

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 215 révisions

Shiny is an R package that makes it easy to build interactive web apps directly in R, allowing your team to explore your data as dashboards or visualizations.

Développement de logiciels

4 heures

Cours

Supervised Learning in R: Regression

  • IntermédiaireNiveau de compétence
  • 4.6+
  • 99 révisions

In this course you will learn how to predict future events using linear regression, generalized additive models, random forests, and xgboost.

Machine learning

4 heures

Cours

Introduction à l’optimisation en Python

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 184 révisions

Résolvez des problèmes doptimisation via les bibliothèques SciPy et PuLP de Python, couvrant tous les aspects de loptimisation.

Développement de logiciels

4 heures

Cours

Analyse de clusters avec R

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 69 révisions

Développez votre intuition sur les regroupements hiérarchiques et via k-means, et appliquez-les pour extraire des infos pertinentes.

Machine learning

4 heures

Cours

Introduction à PySpark

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 601 révisions

Apprenez à mettre en œuvre la gestion des données distribuées et lapprentissage automatique dans Spark à laide du package PySpark.

Ingénierie des données

4 heures

Cours

Machine Learning avec caret en R

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 42 révisions

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

Machine learning

4 heures

Cours

Introduction à AWS Boto en Python

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 206 révisions

Découvrez AWS Boto et apprenez à exploiter la technologie cloud pour optimiser votre flux de données.

Cloud

4 heures

Cours

MLOps entièrement automatisé

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 323 révisions

Découvrez larchitecture MLOps, les techniques CI/CD/CM/CT et les modèles dautomatisation pour déployer des systèmes ML efficaces.

Machine learning

4 heures

Cours

Multi-Modal Systems with the OpenAI API

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 439 révisions

Create multi-modal systems using OpenAIs text and audio models, including an end-to-end customer support chatbot!

Intelligence artificielle

2 heures

Cours

Visualiser des séries temporelles en R

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 175 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

Claude Code in Action

  • IntermédiaireNiveau de compétence
  • 4.9+
  • 26 révisions

Get hands-on with Claude Code, Anthropics terminal AI agent: master context, plan mode, custom commands, MCP, and hooks to ship real work you can trust.

Intelligence artificielle

3 heures

Cours

Introduction to Data Versioning with DVC

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 382 révisions

Explore Data Version Control for ML data management. Master setup, automate pipelines, and evaluate models seamlessly.

Machine learning

3 heures

Cours

RNA-Seq avec Bioconductor en R

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 138 révisions

Use RNA-Seq differential expression analysis to identify genes likely to be important for different diseases or conditions.

Probabilités et statistiques

4 heures

Cours

Améliorer vos visualisations de données en Python

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 288 révisions

Apprenez à créer des visualisations convaincantes et attrayantes qui facilitent la communication efficace des résultats.

Visualisation des données

4 heures

Cours

Visualiser des données géospatiales en Python

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 336 révisions

Découvrez comment créer des visualisations attrayantes de données géospatiales en Python à laide du package geopandas et des cartes folium.

Visualisation des données

4 heures

Cours

Visualiser des séries temporelles en Python

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 95 révisions

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

Visualisation des données

4 heures

Cours

Ajustement fin avec Llama 3

  • IntermédiaireNiveau de compétence
  • 4.7+
  • 375 révisions

Optimisez Llama pour des tâches personnalisées grâce à TorchTune et découvrez des techniques doptimisation telles que la quantification.

Intelligence artificielle

2 heures

Cours

Data Processing in Shell

  • IntermédiaireNiveau de compétence
  • 4.8+
  • 490 révisions

Learn powerful command-line skills to download, process, and transform data, including machine learning pipeline.

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.

Download on the App StoreGet it on Google Play