L'analyse de données avec Python est une compétence essentielle pour les Data Scientists et les Data Analysts. Ce cours vous emmènera des bases de l'analyse de données avec Python à la construction et à l'évaluation de modèles de données.
Analyse des Données avec Python
Ce cours fait partie de plusieurs programmes.
Instructeur : Joseph Santarcangelo
480 621 déjà inscrits
Inclus dans le site
(18,462 avis)
Expérience recommandée
Ce que vous apprendrez
Développez du code Python pour nettoyer et préparer les données pour l'analyse - y compris le traitement des valeurs manquantes, le formatage, la normalisation et le regroupement des données
Effectuer des analyses exploratoires de données et appliquer des techniques analytiques à des ensembles de données réelles en utilisant des bibliothèques telles que Pandas, Numpy et Scipy
Manipuler les données à l'aide de cadres de données, résumer les données, comprendre la distribution des données, effectuer des corrélations et créer des pipelines de données
Construire et évaluer des modèles de régression à l'aide de la bibliothèque scikit-learn d'apprentissage automatique et les utiliser pour la prédiction et la prise de décision
Compétences que vous acquerrez
- Catégorie : Sélection du modèle
- Catégorie : Analyse des Données
- Catégorie : Programmation en Python
- Catégorie : Visualisation de Données
- Catégorie : Modélisation prédictive
Détails à connaître
Ajouter à votre profil LinkedIn
11 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 6 modules dans ce cours
Dans ce module, vous apprendrez à comprendre les données et à utiliser les bibliothèques de Python pour vous aider à importer des données à partir de sources multiples. Vous apprendrez ensuite à effectuer quelques tâches de base pour commencer à explorer et à analyser l'ensemble des données importées.
Inclus
6 vidéos1 lecture2 devoirs2 éléments d'application2 plugins
Dans ce module, vous apprendrez à effectuer certaines tâches fondamentales de traitement des données qui, ensemble, constituent la phase de prétraitement de l'analyse des données. Ces tâches comprennent le traitement des valeurs manquantes dans les données, le formatage des données pour les normaliser et les rendre cohérentes, la normalisation des données, le regroupement des valeurs de données dans des bacs et la conversion des variables catégorielles en variables quantitatives numériques.
Inclus
6 vidéos1 lecture2 devoirs2 éléments d'application1 plugin
Dans ce module, vous apprendrez ce que l'on entend par analyse exploratoire des données et vous apprendrez à effectuer des calculs sur les données afin de calculer des informations statistiques descriptives de base, telles que la moyenne, la médiane, le mode et les valeurs des quartiles, et à utiliser ces informations pour mieux comprendre la distribution des données. Vous apprendrez à regrouper vos données pour mieux les visualiser, à utiliser la méthode de corrélation de Pearson pour comparer deux variables numériques continues et à utiliser le test du Khi-deux pour trouver l'association entre deux variables catégorielles et comment les interpréter.
Inclus
5 vidéos1 lecture2 devoirs2 éléments d'application3 plugins
Dans ce module, vous apprendrez à définir la variable explicative et la variable réponse et à comprendre les différences entre les modèles de régression linéaire simple et de régression linéaire multiple. Vous apprendrez à évaluer un modèle à l'aide de la visualisation et découvrirez la régression polynomiale et les pipelines. Vous apprendrez également à interpréter et à utiliser le R au carré et les mesures de l'erreur quadratique moyenne pour effectuer des évaluations dans l'échantillon afin d'évaluer numériquement notre modèle. Enfin, vous apprendrez ce qu'est la prédiction et la prise de décision lorsqu'il s'agit de déterminer si notre modèle est correct.
Inclus
6 vidéos1 lecture2 devoirs2 éléments d'application1 plugin
Dans ce module, vous apprendrez l'importance de l'évaluation des modèles et discuterez des différentes techniques de raffinement des modèles de données. Vous apprendrez à sélectionner un modèle et à identifier l'ajustement excessif et l'ajustement insuffisant d'un modèle prédictif. Vous apprendrez également à utiliser la régression Ridge pour régulariser et réduire les erreurs standard afin d'éviter le surajustement d'un modèle de régression et à utiliser la méthode Grid Search pour ajuster les hyperparamètres d'un estimateur.
Inclus
4 vidéos1 lecture2 devoirs2 éléments d'application2 plugins
Nous vous félicitons ! Vous avez maintenant terminé tous les modules de ce cours. Dans ce dernier module, vous réaliserez le travail final qui sera noté par vos pairs. Dans ce travail final, vous jouerez le rôle d'un analyste de données travaillant pour une société d'investissement immobilier qui souhaite commencer à investir dans l'immobilier résidentiel. Vous recevrez un ensemble de données contenant des informations détaillées sur les prix des maisons dans la région en fonction d'un certain nombre de caractéristiques de la propriété, et il vous appartiendra d'analyser et de prédire le prix du marché des maisons à partir de ces informations.
Inclus
5 lectures1 devoir1 évaluation par les pairs2 éléments d'application1 plugin
Instructeur
Offert par
Recommandé si vous êtes intéressé(e) par Analyse des Données
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
Affichage de 3 sur 18462
18 462 avis
- 5 stars
76,10 %
- 4 stars
18,52 %
- 3 stars
3,67 %
- 2 stars
0,92 %
- 1 star
0,77 %
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
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 du certificat et vous obtenez un certificat lorsque vous terminez le travail. Votre certificat électronique sera ajouté à votre page de réalisations. De là, vous pourrez l'imprimer ou l'ajouter à votre profil LinkedIn. Si vous souhaitez uniquement lire et visualiser le contenu du cours, vous pouvez auditer le cours gratuitement.
Si vous vous êtes abonné, vous bénéficiez d'une période d'essai gratuite de 7 jours pendant laquelle vous pouvez annuler votre abonnement sans pénalité. Après cette période, nous ne remboursons pas, mais vous pouvez résilier votre abonnement à tout moment. Consultez notre politique de remboursement complète.