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
Vous cherchez à décrocher votre prochain poste ou à affûter vos compétences pour les entretiens en statistiques ? Préparez-vous à maîtriser les notions classiques d’entretien, des probabilités conditionnelles aux tests A/B, jusqu’au compromis biais-variance, et bien plus encore ! Vous travaillerez sur une variété de jeux de données, notamment des résultats d’expériences web et des données météorologiques australiennes. À l’issue du cours, vous pourrez aborder sereinement votre prochain entretien et répondre à toute question de statistiques avec l’aide de Python !
Prérequis
Programme de formation
Plan du cours
1
Probabilités et lois d’échantillonnage
Ce chapitre lance le cours en rappelant les probabilités conditionnelles, le théorème de Bayes et le théorème central limite. Au passage, vous apprendrez à traiter des questions s’appuyant sur des lois de probabilité fréquemment utilisées.
2
Analyse exploratoire des données
Dans ce chapitre, vous vous préparerez aux notions statistiques liées à l’analyse exploratoire des données. Les thèmes abordés incluent les statistiques descriptives, la gestion des variables catégorielles et l’étude des relations entre variables. Les exercices vous prépareront à une évaluation analytique ou à une question de code centrée sur les stats.
3
Expérimentations et tests de signification
Préparez-vous à approfondir des notions essentielles sur les expérimentations et les tests en révisant les intervalles de confiance, les tests d’hypothèses, les tests multiples, ainsi que le rôle de la puissance statistique et de la taille d’échantillon. Nous aborderons aussi les types d’erreurs et leur interprétation en pratique.
4
Régression et classification
Pour conclure, nous traiterons des concepts étroitement liés aux modèles de régression et de classification. Le chapitre commence par un rappel des algorithmes fondamentaux de Machine Learning, puis enchaîne rapidement sur l’évaluation des modèles, la gestion de cas particuliers et le compromis biais-variance.
S’entraîner aux questions d’entretien en statistiques avec Python
Cours
terminé
