Comprendre la science des données
"Introduction à la science des données sans codage."
Commencer Le Cours Gratuitement2 heures15 vidéos48 exercices662 027 apprenantsDéclaration de réalisation
Créez votre compte gratuit
ou
En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données sont stockées aux États-Unis.Formation de 2 personnes ou plus ?
Essayer DataCamp for BusinessApprécié par les apprenants de milliers d'entreprises
Description du cours
Qu’est-ce que la science des données, pourquoi est-elle si populaire et pourquoi la Harvard Business Review l’a-t-elle qualifiée de « métier le plus sexy du 21e siècle » ? Dans ce cours non technique, vous découvrirez les réponses à toutes les questions que vous n’avez jamais osé poser sur ce domaine passionnant et en pleine expansion, sans avoir besoin d’écrire une seule ligne de code. Grâce à des exercices pratiques, vous découvrirez les différents rôles des scientifiques des données, les sujets fondamentaux tels que les tests A/B, l’analyse des séries temporelles et le machine learning, ainsi que la manière dont les scientifiques des données extraient des connaissances et des insights à partir de données réelles. Ne vous laissez pas décourager par les expressions à la mode. Commencez à apprendre, développez des compétences dans ce domaine extrêmement demandé et découvrez pourquoi la science des données s’adresse à tout le monde !
Formation de 2 personnes ou plus ?
Donnez à votre équipe l’accès à la plateforme DataCamp complète, y compris toutes les fonctionnalités.Dans les titres suivants
Comprendre les thèmes des données
Aller à la piste- 1
Introduction à la science des données
GratuitNous commencerons le cours en définissant ce qu’est la science des données. Nous couvrirons le workflow de la science des données et la manière d’appliquer la science des données aux problèmes concrets. Nous terminerons ce chapitre en découvrant les différents rôles qui existent dans le domaine de la science des données.
Qu’est-ce que la science des données ?50 xpPourquoi la science des données ?50 xpSuivre le workflow50 xpApplications de la science des données50 xpRecherche en investissement50 xpAttribution d’un projet de science des données100 xpRôles et outils de la science des données50 xpModification d’une offre d’emploi50 xpCorrespondance entre compétences et postes100 xpClassification des tâches liées aux données100 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.
Sources de données50 xpTri des sources de données100 xpFréquence de l’asthme50 xpTypes de données50 xpClassification des types de données100 xpNet promoter score50 xpSuivi d’activité50 xpStockage et récupération des données50 xpPlateformes cloud50 xpInterrogation d’une base de données50 xpQuel type de base de données ?100 xpPipelines de données50 xpCaractéristiques du pipeline de données50 xpExtraire Transformer Charger100 xp - 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 apprendrez 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 ! En commençant par les expériences, nous aborderons les tests A/B, puis 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.
Tests A/B50 xpCréation d’un workflow pour les tests A/B100 xpSignification statistique50 xpRésultats intermédiaires50 xpPrévision de séries temporelles50 xpClassification des données de séries temporelles100 xpInterpréter un graphique de série temporelle50 xpMachine learning supervisé50 xpQuand utiliser l’apprentissage supervisé100 xpCaractéristiques et étiquettes50 xpÉvaluation du modèle50 xpClustering50 xpSupervisé ou non supervisé100 xpSélection de la taille des clusters50 xpFélicitations !50 xp
Formation de 2 personnes ou plus ?
Donnez à votre équipe l’accès à la plateforme DataCamp complète, y compris toutes les fonctionnalités.Dans les titres suivants
Comprendre les thèmes des données
Aller à la piste
Qu’est-ce que les autres apprenants ont à dire ?
Inscrivez-vous 15 millions d’apprenants et commencer Comprendre la science des données Aujourd’hui!
Créez votre compte gratuit
ou
En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données sont stockées aux États-Unis.