Science des données et Python - Maths, modèles, statistiques PLUS étude de cas

Aperçu

Ce cours nécessite que vous téléchargiez Anaconda ou Docker Desktop. Si vous êtes un utilisateur Udemy Business, veuillez vérifier avec votre employeur avant de télécharger un logiciel.

Programme

• Introduction à la science des données
Aperçu de la science des données et de ses applications
Logiciels requis et installation (Anaconda, Docker Desktop)
Mise en place de votre environnement
• Python pour la science des données
Bases de la programmation en Python
Bibliothèques : NumPy, Pandas, Matplotlib
Manipulation et visualisation des données
• Mathématiques pour la science des données
Algèbre linéaire : Vecteurs, matrices
Calcul : Dérivées, intégrales
Probabilité et statistiques : Distributions, échantillonnage, tests d'hypothèses
• Méthodes statistiques
Statistiques descriptives
Statistiques inférentielles
Analyse de régression
• Modèles d'apprentissage automatique
Apprentissage supervisé : Classification et régression
Apprentissage non supervisé : Clustering et réduction de dimensionnalité
Évaluation et validation des modèles
• Étude de cas
Énoncé de problème réel
Collecte, nettoyage et prétraitement des données
Sélection et entraînement du modèle
Interprétation des résultats et des insights
• Conclusion et étapes suivantes
Révision des concepts clés
Pistes d'apprentissage futures et ressources
Conseils pratiques pour l'application de la science des données
• Projet de cours
Jalons et livrables
Évaluation par les pairs et retours
Présentation finale et soumissions

---

Enseigné par

Peter Alkema and Regenesys Business School

---

Sujets

Science des données