Statistiques pour la Science des Données IA et l'Analyse Commerciale - 2025

Aperçu

Statistiques nécessaires pour le projet : Statistiques descriptives et inférentielles, Test d'hypothèse, Analyse de régression.

Programme

- Introduction aux statistiques -- Importance des statistiques dans l'IA et l'analyse commerciale -- Terminologie et concepts de base - Statistiques descriptives -- Mesures de tendance centrale (moyenne, médiane, mode) -- Mesures de variabilité (étendue, variance, écart type) -- Techniques de visualisation de données (histogrammes, diagrammes en boîte, nuages de points) - Théorie des probabilités -- Concepts de probabilité de base -- Probabilité conditionnelle et théorème de Bayes -- Distributions de probabilité (normale, binomiale, Poisson) - Statistiques inférentielles -- Méthodes d'échantillonnage et distributions d'échantillonnage -- Test d'hypothèses -- Intervalles de confiance - Analyse de régression -- Régression linéaire simple -- Régression linéaire multiple -- Métriques d'évaluation de modèle (R-carré, R-carré ajusté) - Analyse des séries chronologiques -- Comprendre les données de séries chronologiques -- Tendance et saisonnalité -- Modèles autorégressifs et moyennes mobiles - Logiciels et outils statistiques -- Introduction aux langages de programmation statistique (Python/R) -- Utilisation de bibliothèques pour la manipulation et l'analyse de données (pandas, NumPy, SciPy) -- Bibliothèques de visualisation de données (Matplotlib, Seaborn) - Application des statistiques dans les affaires -- Analyse de panier d'achat -- Segmentation de la clientèle -- Prévision des ventes - Éthique et meilleures pratiques en analyse de données -- Respect de la vie privée et considérations éthiques -- Assurer une analyse sans biais -- Communiquer efficacement les résultats statistiques

Enseigné par

Manifold AI Learning ®

Étiquettes