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

Aperçu

Apprenez les statistiques, les tests inférentiels, l'apprentissage supervisé et non supervisé, les carrières en science des données, PLUS Python et ses bibliothèques.

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

Étiquettes