Évaluation critique en science des données : Les données, le monde et vous

Aperçu

Learn how data analytics affects everyone with the University of Adelaide. In an increasingly data-centric world, a working understanding of data analytics and quantitative methods is essential for all members of society.

This six-week course will teach you fundamental quantitative methods for dealing with data. Armed with this knowledge, you’ll be able to interpret and critically evaluate claims you encounter in your day-to-day life.

Through case studies, you’ll explore the foundational concepts in data science and statistical thinking. You’ll also discover machine learning and data science methods, and understand both the possibilities and pitfalls of these emerging sciences.

Learn how to identify misleading statistics When presented with claims in the media that are accompanied by statistics, diagrams, and outputs from technologies like AI and machine learning, how can we learn to not be fooled by these claims? This course will help you understand misleading statistics and learn how to challenge them when they are presented to you.

Delve into sample, variability, and study design Next, you’ll explore the different components of research including research questions, sampling, and variability. Using case studies, you’ll explore how sampling can go wrong as you learn the best practices.

You’ll then move on to study design to understand the types of studies you may encounter. Unpack the rules for analysing data On the final weeks of the course, you’ll explore how bias can infiltrate surveys.

You’ll also discover basic rules for analysing data to ensure a fair result is achieved. Armed with this knowledge, you’ll have the confidence to accurately read and interpret the data you are presented with in everyday life.

Programme

• **Semaine 1 : Introduction à la science des données**
Aperçu du monde centré sur les données
Importance de la littératie des données pour tous
Explorer les concepts fondamentaux en science des données
• **Semaine 2 : Fondamentaux des méthodes quantitatives**
Bases de la pensée statistique
Introduction à l'analyse quantitative
Études de cas : Applications réelles
• **Semaine 3 : Identifier les statistiques trompeuses**
Types communs de statistiques trompeuses
Outils et techniques pour une évaluation critique
Interprétation des données des médias et des sorties d'IA
• **Semaine 4 : Échantillonnage et variabilité**
Comprendre les méthodes d'échantillonnage
Explorer la variabilité dans les données
Études de cas : Écueils de l'échantillonnage et bonnes pratiques
• **Semaine 5 : Conception et analyse d'étude**
Types d'études de recherche
Conception d'études fiables
Analyse de différents types de conception d'étude
• **Semaine 6 : Analyse des données et biais**
Reconnaître et atténuer les biais dans la collecte de données
Règles de base pour l'analyse des données
Assurer une interprétation équitable des données
• **Conclusion : Appliquer les compétences d'évaluation critique**
Applications et exercices réels
Développer la confiance dans l'interprétation des données
Stratégies pour un apprentissage continu et le développement en analyse des données

---

Matières

Data Science