Ce que vous devez savoir avant
de commencer

Débute 7 July 2025 14:50

Se termine 7 July 2025

00 Jours
00 Heures
00 Minutes
00 Secondes
course image

Comment faire de la science des données pratique - À partir d'exemples du monde réel

Découvrez des applications pratiques en Science des Données en explorant des exemples du monde réel et en comprenant leurs impacts sur les affaires. Cette session fournit des informations précieuses pour exécuter avec succès des projets de Science des Données, en se concentrant sur des méthodologies concrètes et la structuration de conclusion.
code::dive conference via YouTube

code::dive conference

2891 Cours


1 hour 5 minutes

Mise à niveau optionnelle disponible

Not Specified

Progressez à votre rythme

Conference Talk

Mise à niveau optionnelle disponible

Aperçu

Découvrez des applications pratiques en Science des Données en explorant des exemples du monde réel et en comprenant leurs impacts sur les affaires. Cette session fournit des informations précieuses pour exécuter avec succès des projets de Science des Données, en se concentrant sur des méthodologies concrètes et la structuration de conclusions prêtes pour une application dans le monde réel.

Hébergé sur YouTube, cet événement est idéal pour les professionnels cherchant à améliorer leur compréhension et l'application de la Science des Données au sein du domaine de l'Intelligence Artificielle.

Il fait partie des Cours d'Intelligence Artificielle et des Conférences, offrant un mélange de connaissances théoriques et pratiques pour une expérience d'apprentissage engageante.

Programme

  • Introduction à la science des données
  • Aperçu de la science des données et son importance
    Rôles et responsabilités clés dans les projets de science des données
  • Aperçu des méthodologies de la science des données
  • Modèle de processus CRISP-DM
    Approches de la science des données agiles
  • Collecte et compréhension des données
  • Identification des ensembles de données pertinents
    Techniques d'acquisition de données
    Exploration et visualisation des données
  • Nettoyage et prétraitement des données
  • Gestion des valeurs manquantes
    Transformation et normalisation des données
    Techniques d'ingénierie des caractéristiques
  • Exemples de projets réels en science des données
  • Étude de cas 1 : Segmentation des clients dans le commerce de détail
    Définition du problème et impact commercial
    Méthodologie et résultats
    Étude de cas 2 : Maintenance prédictive dans la fabrication
    Définition du problème et impact commercial
    Méthodologie et résultats
  • Construction et évaluation des modèles
  • Choix des bons algorithmes
    Entraînement, validation et test
    Métriques de performance et comparaison des modèles
  • Communication des résultats de la science des données
  • Récit et visualisation des données
    Adapter la communication aux parties prenantes
    Structuration de conclusions concises et exploitables
  • Déploiement et mise en production
  • Principes de base de MLOps
    Stratégies de déploiement pour les modèles
    Surveillance et maintenance des modèles en production
  • Considérations éthiques et meilleures pratiques
  • Comprendre les biais dans les données
    Assurer la transparence et l'équité
    Problèmes de confidentialité et de sécurité des données
  • Conclusion et tendances futures de la science des données
  • Résumé des principaux enseignements
    Technologies émergentes et méthodologies en science des données
    Formation continue et développement de carrière en science des données
  • Atelier pratique (optionnel)
  • Projet de groupe utilisant un ensemble de données fourni
    Application des méthodologies apprises
    Présentation des conclusions et recommandations

Sujets

Conférences