Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
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 « Afficher la transcription » 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
Ce cours ne requiert aucun prérequis.
Programme de formation
Plan du cours
1
Introduction à la science des données
Nous commencerons le cours en définissant la science des données. Nous aborderons le flux de travail en science des données et les applications de la science des données à des problèmes concrets. Nous terminerons ce chapitre par la découverte des différents rôles qui existent dans le domaine de la science des données.
- Qu’est-ce que la science des données ?50 XP
- La science des données est partout !50 XP
- Importance de la science des données50 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 nous comprenons le workflow de la science des données, nous allons approfondir la première étape : la collecte et le stockage des données. Nous découvrirons les différentes sources de données dans lesquelles vous pouvez puiser, à quoi ressemblent ces données, comment les stocker une fois qu’elles sont collectées et comment un pipeline de données peut automatiser le processus.
3
Préparation, exploration et visualisation
La préparation des données est fondamentale : les scientifiques des données passent 80 % de leur temps à nettoyer et manipuler les données, et seulement 20 % de leur temps à les analyser. Ce chapitre vous montrera comment diagnostiquer les problèmes dans vos données, et comment traiter les valeurs manquantes et les valeurs aberrantes. Vous découvrirez ensuite la visualisation, un autre outil essentiel pour explorer vos données et communiquer vos résultats.
4
Expérimentation et prédiction
Dans ce dernier chapitre, nous parlerons d’expérimentation et de prédiction ! Nous commencerons par les expériences, puis nous aborderons les tests A/B, et nous passerons aux prévisions de séries temporelles, qui nous apprendront à prédire des événements futurs. Enfin, nous terminerons par le machine learning, et examinerons l’apprentissage supervisé et le clustering.
Comprendre la science des données
Cours
terminé

