- Description
- Curriculum
- FAQ
- Examens
Ce cours est la traduction française du cours de Data Sciences le plus vendu sur Udemy.
Extrêmement Utile…Incroyablement Pratique…Ultra Réaliste !
Il ne s’agit pas de l’un de ces cours utopiques où tout fonctionne parfaitement de manière irréaliste. Ce cours vous prépare au monde réel.
Dans ce cours vous allez vivre l’expérience réelle d’un Data Scientist, et cela inclut tous les moments difficiles qu’il peut ressentir dans son travail au quotidien: données corrompues, anomalies, irrégularités, tous les obstacles auxquels doit faire face le data scientist !
Ce cours va vous faire voyager dans le monde entier des Data Sciences. A l’issue de ce voyage, vous saurez:
- Comment nettoyer et préparer vos données pour vos analyses
- Comment bien visualiser vos données
- Comment créer des modèles
- Comment faire des prédictions
- Et finalement, comment présenter vos découvertes et impressionner votre public
Ce cours va si bien vous préparer à la réalité du métier de Data Scientist que vous jonglerez avec vos divers projets de Data Science. Vous serez si bien entraînés et si bien formés que le monde réel sera pour vous un jeu d’enfant. Vous aurez des travaux à faire tout seul, si provocants et si challengings qu’ils vont vous mettre dans tous vos états… Mais vous n’abandonnerez pas ! Vous vaincrez !
Dans ce cours vous développerez une bonne maîtrise des outils suivants:
- Tableau
- SQL
- SSIS
- Gretl
Ce cours vous propose différentes approches préparées pour vous en fonction de vos besoins et objectifs. En utilisant ces approches, vous pouvez parcourir le cours et combiner les sections dans VOTRE PROPRE voyage qui va vous mener aux compétences dont VOUS avez besoin.
Ou bien sûr vous pouvez faire le cours en entier et vous former pour une incroyable carrière en Data Science.
Le choix est le votre. Rejoignez-nous dans ce voyage et commencez à apprendre dès aujourd’hui !
A très vite.
Bien à vous,
Kirill Eremenko & Hadelin de Ponteves
-
7Intro (ce que vous allez apprendre dans cette section)
-
8Installer Tableau Desktop et Tableau Public
-
9Description du challenge et des données
-
10Connecter Tableau à un fichier CSV
-
11Naviguer dans Tableau - Mesures et Dimensions
-
12Créer un calculated field
-
13Ajouter des couleurs
-
14Ajouter des labels et changer le format
-
15Exporter votre worksheet
-
16Récapitulatif de la section
-
17Intro (ce que vous allez apprendre dans cette section)
-
18Obtenir le Dataset
-
19Connecter Tableau à un fichier Excel
-
20Visualiser un A-B test dans Tableau
-
21Travailler avec les Aliases
-
22Ajouter une Reference Line
-
23Chercher des anomalies
-
24Une astuce pratique pour valider votre approche
-
25Récapitulatif de la section
-
26Intro (ce que vous allez apprendre dans cette section)
-
27Créer des bins et visualiser des distributions
-
28Créer un test de classification pour une variable numérique
-
29Combiner deux graphes et travailler avec dans Tableau
-
30Valider le Data Mining dans Tableau avec un test du khi-deux
-
31Test du khi-deux quand il y a plus de deux catégories
-
32Visualiser le solde et la distribution du salaire estimé
-
33Bonus: Test du khi-deux Partie 1 (Tutoriel de Stats)
-
34Bonus: Test du khi-deux Partie 2 (Tutoriel de Stats)
-
35Récapitulatif de la section
-
36Les bases de Tableau
-
50Intro (ce que vous allez apprendre dans cette section)
-
51Attention: les hypothèses de la Régression Linéaire Multiple
-
52Obtenir le dataset
-
53Les Dummy Variables
-
54Le piège des Dummy Variables
-
55Manières de construire un modèle: BACKWARD, FORWARD, STEPWISE
-
56Backward Elimination - Un peu de pratique
-
57Utiliser le Adjusted R-squared pour créer des modèles robustes
-
58Interpréter les coefficients de la Régression Linéraire Multiple
-
59Récapitulatif de la section
-
60Intro (ce que vous allez apprendre dans cette section)
-
61Obtenir le dataset
-
62Problèmes Business de type Oui/Non
-
63L'intuition de la Régression Logistique
-
64Votre première Régression Logistique
-
65False Positives et False Negatives
-
66Matrice de Confusion
-
67Interpréter les coefficients de la Régression Logistique
-
68Intro (ce que vous allez apprendre dans cette section)
-
69Obtenir le dataset
-
70Qu'est-ce que la segmentation géo-demographique ?
-
71Construisons le modèle - première itération
-
72Construisons le modèle - backward elimination: STEP-BY-STEP
-
73Transformer des variables indépendantes
-
74Créer des variables dérivées
-
75Vérifier la multi-colinéarité en utilisant VIF
-
76Matrice de Corrélation et Intuition de la multi-colinéarité
-
77Récapitulatif de la section