Analyse exploratoire des données en Python

Vous avez des données intéressantes – par où commencer votre analyse ? Ce cours couvre tout le processus d'exploration et d'analyse des données, de la compréhension de ce que contient un jeu de données jusqu'à l'intégration des enseignements de l'exploration dans un flux de travail en data science.

À partir de données sur le chômage et les prix des billets d'avion, vous utiliserez Python pour résumer et valider les données, calculer, identifier et remplacer les valeurs manquantes, et nettoyer les valeurs numériques comme catégorielles. Tout au long du cours, vous créerez de superbes visualisations Seaborn pour comprendre les variables et leurs relations.

Enfin, le cours montre comment les constats issus de l'exploration s'intègrent aux flux de travail en data science : création de nouvelles variables, équilibrage des variables catégorielles et génération d'hypothèses à partir des résultats.

À la fin de ce cours, vous serez à l'aise pour réaliser votre propre analyse exploratoire des données (EDA) en Python. Vous saurez présenter visuellement vos conclusions et proposer les prochaines étapes pour approfondir les insights issus de vos données !Les vidéos contiennent des transcriptions synchronisées que vous pouvez afficher 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 obtenir un score de 70 % à l'évaluation qualifiante. Vous pouvez accéder à l'évaluation en cliquant sur l'encadré des crédits CPE à droite.