Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Qu'est-ce que la data science, pourquoi est-elle si populaire, et pourquoi la Harvard Business Review l'a-t-elle qualifiée de « métier le plus sexy du XXIe siècle » ? Dans ce cours non technique, vous découvrirez tout ce que vous n'avez jamais osé demander sur ce domaine en pleine expansion, sans avoir à écrire une seule ligne de code. À travers des exercices pratiques, vous apprendrez les différents rôles de data scientist, des notions clés comme les tests A/B, l'analyse de séries temporelles et le Machine Learning, ainsi que la manière dont les data scientists extraient des connaissances et des insights à partir de données réelles. Ne vous laissez donc pas impressionner par le jargon. Commencez à apprendre, développez des compétences très recherchées et découvrez pourquoi la data science est à la portée de tous !Les vidéos contiennent des transcriptions en direct accessibles en cliquant sur « Show transcript » en bas à gauche des vidéos.Le glossaire du cours se trouve à droite, dans la section ressources.Pour obtenir des crédits CPE, vous devez terminer le cours et atteindre un score de 70 % à l'évaluation qualifiante. Vous pouvez accéder à l'évaluation en cliquant sur l'encadré relatif aux crédits CPE situé à droite.
Prérequis
Aucun prérequis pour ce cours
Programme de formation
Plan du cours
1
Introduction à la Data Science
Nous commencerons par définir ce qu'est la data science. Nous verrons le workflow de data science et comment il s'applique à des problèmes concrets. Nous terminerons le chapitre en présentant les différents rôles au sein du domaine.
- Qu’est-ce que la science des données ?50 XP
- La data science partout !50 XP
- L'importance de la data science50 XP
- Applications de la science des données50 XP
- La science des données au quotidien50 XP
- La science des assistants intelligents50 XP
- Rôles et outils de la science des données50 XP
- Choisir le bon candidat50 XP
- Un rôle de scientifique des données50 XP
2
Collecte et stockage des données
Maintenant que vous connaissez le workflow de data science, approfondissons la première étape : la collecte et le stockage des données. Nous verrons les différentes sources de données possibles, à quoi ces données ressemblent, comment les stocker une fois collectées, et comment un pipeline de données peut automatiser le processus.
3
Préparation, exploration et visualisation
La préparation des données est fondamentale : les data scientists passent 80 % de leur temps à nettoyer et transformer les données, et seulement 20 % à les analyser. Ce chapitre vous montrera comment diagnostiquer les problèmes dans vos données, gérer les valeurs manquantes et les valeurs aberrantes. Vous apprendrez ensuite la visualisation, un outil essentiel pour explorer vos données et présenter clairement vos résultats.
4
Expérimentation et prédiction
Dans ce dernier chapitre, nous parlerons d'expérimentation et de prédiction. Nous commencerons par les expériences avec les tests A/B, puis passerons à la prévision de séries temporelles pour apprendre à anticiper des événements futurs. Enfin, nous conclurons avec le Machine Learning, en abordant l'apprentissage supervisé et le clustering.
Comprendre la Data Science
Cours
terminé
