Important : ce cours est axé sur les mathématiques, en particulier sur les concepts et méthodes d'analyse des données, et non sur Excel en tant que tel. Nous utilisons Excel pour effectuer nos calculs, et toutes les formules mathématiques sont données sous forme de feuilles de calcul Excel, mais nous n'essayons pas de couvrir les macros Excel, Visual Basic, les tableaux croisés dynamiques ou d'autres fonctionnalités intermédiaires ou avancées d'Excel. Ce cours vous préparera à concevoir et à mettre en œuvre des modèles prédictifs réalistes basés sur des données. Dans le projet final (module 6), vous jouerez le rôle d'un analyste de données commerciales pour une banque et développerez deux modèles prédictifs différents pour déterminer quels demandeurs de cartes de crédit doivent être acceptés et lesquels doivent être rejetés. Votre premier modèle visera à minimiser le risque de défaillance et votre second à maximiser les profits de la banque. Les deux modèles devraient vous démontrer de manière pratique l'idée que votre choix de métrique commerciale détermine le choix d'un modèle optimal. La deuxième grande idée que ce cours cherche à démontrer est que vos résultats d'analyse de données ne peuvent pas et ne doivent pas viser à éliminer toute incertitude. Votre rôle en tant qu'analyste de données est de réduire l'incertitude pour les décideurs d'un incrément financièrement valable, tout en quantifiant l'incertitude restante. Vous apprendrez à calculer et à appliquer à des exemples réels les mesures d'incertitude les plus importantes utilisées dans le monde des affaires, y compris les taux d'erreur de classification, l'entropie de l'information et les intervalles de confiance pour la régression linéaire. Toutes les données dont vous avez besoin sont fournies dans le cours, tous les devoirs sont conçus pour être effectués dans MS Excel et vous apprendrez suffisamment d'Excel pour réaliser tous les devoirs. Le cours vous permettra de pratiquer suffisamment Excel pour maîtriser ses fonctions commerciales les plus courantes et vous serez prêt à apprendre toute autre fonctionnalité d'Excel dont vous pourriez avoir besoin à l'avenir (module 1). Le cours ne couvre pas Visual Basic ou les tableaux croisés dynamiques et vous n'en aurez pas besoin pour réaliser les travaux. Tous les concepts avancés sont démontrés dans des modèles individuels de feuilles de calcul Excel que vous pouvez utiliser pour répondre aux questions pertinentes. Vous obtiendrez un vocabulaire substantiel et des connaissances pratiques sur la manière d'appliquer des méthodes d'analyse de données commerciales basées sur la classification binaire (module 2), la théorie de l'information et les mesures d'entropie (module 3), et la régression linéaire (modules 4 et 5), le tout sans utiliser d'outils logiciels plus complexes qu'Excel.
Offrez à votre carrière le cadeau de Coursera Plus avec $160 de réduction, facturé annuellement. Économisez aujourd’hui.
Maîtriser l'analyse des données dans Excel
Ce cours fait partie de Spécialisation D'Excel à MySQL : Techniques d'analyse pour l'entreprise
Instructeurs : Jana Schaich Borg
345 563 déjà inscrits
Inclus dans le site
(3,919 avis)
Compétences que vous acquerrez
- Catégorie : Classification binaire
- Catégorie : Analyse des Données
- Catégorie : Microsoft Excel
- Catégorie : Régression linéaire
Détails à connaître
Ajouter à votre profil LinkedIn
14 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
- Apprenez de nouveaux concepts auprès d'experts du secteur
- Acquérez une compréhension de base d'un sujet ou d'un outil
- Développez des compétences professionnelles avec des projets pratiques
- Obtenez un certificat professionnel partageable
Obtenez un certificat professionnel
Ajoutez cette qualification à votre profil LinkedIn ou à votre CV
Partagez-le sur les réseaux sociaux et dans votre évaluation de performance
Il y a 7 modules dans ce cours
Ce cours vous préparera à concevoir et à mettre en œuvre des modèles prédictifs réalistes basés sur des données. Dans le projet final (module 6), vous jouerez le rôle d'un analyste de données commerciales pour une banque et développerez deux modèles prédictifs différents pour déterminer quels demandeurs de cartes de crédit doivent être acceptés et lesquels doivent être rejetés. Votre premier modèle visera à minimiser le risque de défaillance et votre second à maximiser les profits de la banque. Les deux modèles devraient vous démontrer de manière pratique l'idée que votre choix de métrique commerciale détermine le choix d'un modèle optimal. La deuxième grande idée que ce cours cherche à démontrer est que vos résultats d'analyse de données ne peuvent pas et ne doivent pas viser à éliminer toute incertitude. Votre rôle en tant qu'analyste de données est de réduire l'incertitude pour les décideurs d'un incrément financièrement valable, tout en quantifiant l'incertitude restante. Vous apprendrez à calculer et à appliquer à des exemples concrets les principales mesures d'incertitude utilisées dans le monde des affaires, notamment les taux d'erreur de classification, l'entropie de l'information et les intervalles de confiance pour la régression linéaire. Toutes les données dont vous avez besoin sont fournies dans le cours, et tous les travaux sont conçus pour être réalisés dans MS Excel. Le cours vous permettra de pratiquer suffisamment Excel pour maîtriser ses fonctions commerciales les plus courantes, et vous serez prêt à apprendre toute autre fonctionnalité d'Excel dont vous pourriez avoir besoin à l'avenir (module 1). Le cours ne couvre pas Visual Basic ou les tableaux croisés dynamiques et vous n'en aurez pas besoin pour réaliser les travaux pratiques. Tous les concepts avancés sont démontrés dans des modèles individuels de feuilles de calcul Excel que vous pouvez utiliser pour répondre aux questions pertinentes. Vous obtiendrez un vocabulaire substantiel et des connaissances pratiques sur la manière d'appliquer des méthodes d'analyse de données commerciales basées sur la classification binaire (module 2), la théorie de l'information et les mesures d'entropie (module 3), et la régression linéaire (modules 4 et 5), le tout sans utiliser d'outils logiciels plus complexes qu'Excel.
Inclus
2 vidéos2 lectures
Dans ce module, vous explorerez les compétences Excel essentielles pour faire face aux situations professionnelles typiques que vous pourriez rencontrer à l'avenir. Le vocabulaire et les fonctions d'Excel enseignés tout au long de ce module vous permettront de comprendre les feuilles de calcul Excel explicatives supplémentaires qui accompagnent les vidéos ultérieures de ce cours.
Inclus
8 vidéos1 lecture2 devoirs
La séparation des collections en deux catégories, telles que "acheter ce stock, ne pas acheter ce stock" ou "cibler ce client avec une offre spéciale, mais pas celui-là" est l'objectif ultime de la plupart des projets d'analyse de données commerciales. Il existe un vocabulaire spécialisé de mesures permettant de comparer et d'optimiser les performances des algorithmes utilisés pour classer les collections en deux groupes. Vous apprendrez comment et pourquoi appliquer ces différentes mesures, y compris comment calculer la très importante aire sous la courbe ROC (Receiver Operating Characteristic).
Inclus
6 vidéos1 lecture2 devoirs
Dans ce module, vous apprendrez à calculer et à appliquer l'entropie, une mesure de l'incertitude d'une utilité vitale, contrairement à la probabilité qui représente l'incertitude d'un seul résultat Contrairement à la "probabilité", plus familière, qui représente l'incertitude qu'un seul résultat se produise, l'"entropie" quantifie l'incertitude globale de tous les résultats possibles. La mesure de l'entropie fournit le cadre de la responsabilité dans le travail d'analyse des données. L'entropie vous permet de quantifier l'incertitude des résultats futurs pertinents pour votre entreprise à deux reprises : en utilisant les meilleures estimations disponibles avant de commencer un projet, puis après avoir construit un modèle prédictif. La différence entre les deux mesures est le gain d'information apporté par votre travail.
Inclus
7 vidéos1 lecture2 devoirs
La mesure de corrélation linéaire est une mesure d'évaluation des associations beaucoup plus riche qu'on ne le pense généralement. Vous pouvez l'utiliser pour quantifier dans quelle mesure un modèle linéaire réduit l'incertitude. Lorsqu'elle est utilisée pour prévoir des résultats futurs, elle peut être convertie en une "estimation ponctuelle" plus un "intervalle de confiance", ou convertie en une mesure de gain d'information. Vous développerez une connaissance approfondie de ces concepts et des nombreuses utilisations précieuses de la régression linéaire dans l'analyse des données commerciales. Ce module vous apprend également à utiliser le théorème de la limite centrale (CLT) pour résoudre des problèmes pratiques. Les deux sujets sont étroitement liés car la régression et le CLT utilisent tous deux une famille spéciale de distributions de probabilités appelées "gaussiennes" Vous apprendrez tout ce que vous devez savoir pour travailler avec les gaussiennes dans ces contextes et dans d'autres.
Inclus
11 vidéos1 lecture3 devoirs
Ce module vous permet d'acquérir des concepts et des compétences supplémentaires utiles à la construction de modèles de haute qualité. Comme vous le savez, un "modèle" est une description d'un processus appliqué aux données disponibles (entrées) qui produit une estimation d'un résultat futur et encore inconnu en tant que sortie. Très souvent, les modèles de résultats prennent la forme d'une distribution de probabilités. Ce module explique comment estimer des distributions de probabilités à partir de données (un "histogramme de probabilités") et comment décrire et générer les distributions de probabilités les plus utiles utilisées par les scientifiques des données. Il explique également en détail comment développer un modèle de classification binaire avec des paramètres optimisés pour maximiser l'AUC, et comment appliquer des modèles de régression linéaire lorsque vos données d'entrée sont constituées de plusieurs types de données pour chaque événement. Le module se termine par une explication du "surajustement", qui est la principale raison pour laquelle des modèles prédictifs apparemment bons échouent souvent dans des contextes professionnels réels. Nous concluons par quelques conseils sur la manière d'éviter l'ajustement excessif dans votre propre modèle prédictif pour le projet final - et dans la vie réelle
Inclus
4 vidéos1 lecture1 devoir
Le projet final du cours est une évaluation complète qui couvre l'ensemble du matériel du cours et qui consiste en quatre quiz et un devoir d'évaluation par les pairs. Pour le premier et le deuxième quiz, il y a des points d'apprentissage qui expliquent des éléments du quiz. Ces points d'apprentissage ne seront débloqués que lorsque vous aurez obtenu la note de passage au test. Avant de commencer, veuillez lire les instructions relatives au projet final. D'après l'expérience des étudiants, le projet final, qui comprend tous les quiz et l'évaluation par les pairs, prend entre 10 et 12 heures.
Inclus
2 vidéos3 lectures4 devoirs1 évaluation par les pairs
Instructeurs
Offert par
Recommandé si vous êtes intéressé(e) par Analyse des Données
Duke University
Duke University
Coursera Project Network
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
Affichage de 3 sur 3919
3 919 avis
- 5 stars
56,30 %
- 4 stars
23,96 %
- 3 stars
9,13 %
- 2 stars
5,30 %
- 1 star
5,28 %
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, tous inclus dans votre abonnement
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
Foire Aux Questions
Non. L'achèvement d'un cours Coursera ne vous donne pas droit à un crédit académique de Duke ; par conséquent, Duke n'est pas en mesure de vous fournir un relevé de notes universitaire. Cependant, votre certificat électronique sera ajouté à votre page Accomplishments - à partir de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn.
L'accès aux cours et aux devoirs dépend de votre type d'inscription. Si vous suivez un cours en mode audit, vous pourrez consulter gratuitement la plupart des supports de cours. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter l'expérience de certificat, pendant ou après votre audit. Si vous ne voyez pas l'option d'audit :
Il se peut que le cours ne propose pas d'option d'audit. Vous pouvez essayer un essai gratuit ou demander une aide financière.
Le cours peut proposer l'option "Cours complet, pas de certificat" à la place. Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Lorsque vous vous inscrivez au cours, vous avez accès à tous les cours de la Specializations, et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page de réalisations - de là, vous pouvez imprimer votre certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez uniquement lire et visualiser le contenu du cours, vous pouvez auditer le cours gratuitement.