Ce module sert d'introduction au contenu du cours et au serveur Jupyter du cours, où vous exécuterez vos scripts analytiques. Tout d'abord, vous lirez des exemples spécifiques de la façon dont l'analyse est utilisée par les cabinets comptables. Ensuite, vous découvrirez les capacités du serveur Jupyter du cours, et comment créer, éditer et exécuter des carnets de notes sur le serveur du cours. Ensuite, vous apprendrez à écrire des documents au format Markdown, qui est un moyen facile d'écrire rapidement du texte formaté, y compris du texte descriptif à l'intérieur d'un carnet de notes du cours. Enfin, vous commencerez à vous familiariser avec Python, le langage de programmation utilisé dans ce cours pour l'analyse des données.

Ce module se concentre sur les fonctionnalités de base du langage de programmation Python qui sous-tendent la plupart des scripts d'analyse de données. Tout d'abord, vous apprendrez pourquoi les étudiants en comptabilité devraient apprendre à écrire des programmes informatiques. Deuxièmement, vous découvrirez les structures de données de base couramment utilisées dans les programmes Python. Troisièmement, vous apprendrez à écrire des fonctions, qui peuvent être appelées à plusieurs reprises, en Python, et à les utiliser efficacement dans vos propres programmes. Enfin, vous apprendrez à contrôler le processus d'exécution de votre programme Python en utilisant des instructions conditionnelles et des constructions en boucle. À l'issue de ce module, vous serez en mesure d'écrire des scripts Python pour effectuer des tâches d'analyse de données de base.

Ce module présente les concepts fondamentaux de l'analyse des données. Tout d'abord, vous lirez un rapport de l'Association of Accountants and Financial Professionals in Business qui explore les Big Data dans la comptabilité. Ensuite, vous découvrirez le système de fichiers Unix, qui est le système d'exploitation utilisé pour la plupart des traitements de big data (ainsi que pour les ordinateurs de bureau Linux et Mac OSX et de nombreux téléphones portables). Ensuite, vous apprendrez à lire et à écrire des données dans un fichier à partir d'un programme Python. Enfin, vous découvrirez le module Python Pandas, qui peut simplifier de nombreuses tâches d'analyse de données difficiles, et qui comprend le DataFrame, qui imite par programmation de nombreuses caractéristiques d'une feuille de calcul traditionnelle.

Ce module présente les concepts fondamentaux de l'analyse de données. Tout d'abord, vous apprendrez comment effectuer de nombreuses tâches de base dans Excel en utilisant le module Pandas en Python. Ensuite, vous découvrirez le module Numpy, qui permet d'effectuer des opérations numériques rapides en Python. Ce module se concentre sur l'utilisation de Numpy avec des données unidimensionnelles (c'est-à-dire des vecteurs ou des tableaux à une dimension), mais un module ultérieur explorera l'utilisation de Numpy pour des données à plus haute dimension. Troisièmement, vous découvrirez les statistiques descriptives, qui peuvent être utilisées pour caractériser un ensemble de données à l'aide de quelques mesures spécifiques. Enfin, vous découvrirez les fonctionnalités avancées du module Pandas, notamment le masquage, le regroupement, l'empilement et les tableaux croisés dynamiques.

Ce module présente la visualisation comme un outil important pour explorer et comprendre les données. Tout d'abord, les composants de base des visualisations sont présentés en mettant l'accent sur la manière dont ils peuvent être utilisés pour transmettre des informations. Vous apprendrez également à identifier et à éviter les façons dont une visualisation peut induire en erreur ou embrouiller un observateur. Ensuite, vous en apprendrez davantage sur la manière de transmettre visuellement des informations à un utilisateur, y compris sur l'utilisation de la forme, de la couleur et de l'emplacement. Troisièmement, vous apprendrez à créer une visualisation simple (tracé linéaire de base) en Python, ce qui introduira la création et l'affichage d'une visualisation dans un carnet de notes, la manière d'annoter un tracé et d'améliorer l'esthétique visuelle d'un tracé à l'aide du module Seaborn. Enfin, vous apprendrez à explorer un ensemble de données unidimensionnelles à l'aide de diagrammes en courbes, de diagrammes en boîte et d'histogrammes.

Dans ce module, vous apprendrez les bases des probabilités et leur rapport avec l'analyse statistique des données. Tout d'abord, vous apprendrez les concepts de base des probabilités, y compris les variables aléatoires, le calcul des probabilités simples et plusieurs distributions théoriques qui apparaissent couramment dans les discussions sur les probabilités. Ensuite, vous découvrirez la probabilité conditionnelle et le théorème de Bayes. Troisièmement, vous apprendrez à calculer des probabilités et à appliquer le théorème de Bayes directement en utilisant Python. Enfin, vous apprendrez à travailler avec des distributions empiriques et théoriques en Python, et à modéliser un ensemble de données empiriques à l'aide d'une distribution théorique.

Ce module étend ce que vous avez appris dans les modules précédents à l'exploration visuelle et analytique de données bidimensionnelles. Tout d'abord, vous apprendrez à créer des diagrammes de dispersion bidimensionnels en Python et à les utiliser pour identifier graphiquement une corrélation et des points aberrants. Deuxièmement, vous apprendrez à travailler avec des données bidimensionnelles en utilisant le module Numpy, y compris une discussion sur la quantification analytique des corrélations dans les données. Troisièmement, vous découvrirez les problèmes statistiques qui peuvent avoir un impact sur la compréhension des données multidimensionnelles, ce qui vous permettra de les éviter à l'avenir. Enfin, vous apprendrez ce qu'est la régression linéaire ordinaire et comment cette technique peut être utilisée pour modéliser la relation entre deux variables.

Souvent, dans le cadre d'une analyse exploratoire des données, un histogramme est utilisé pour comprendre comment les données sont distribuées. En fait, cette technique peut être utilisée pour calculer une fonction de masse de probabilité (ou PMF) à partir d'un ensemble de données, comme nous l'avons montré dans un module précédent. Cependant, l'approche par binages présente des problèmes, notamment une dépendance vis-à-vis du nombre et de la largeur des binages utilisés pour calculer l'histogramme. Une approche pour surmonter ces problèmes consiste à ajuster une fonction aux données binées, ce qui est connu sous le nom d'estimation paramétrique. Il est également possible de construire une approximation des données en utilisant une estimation non paramétrique de la densité. La technique non paramétrique la plus couramment utilisée est l'estimation de la densité du noyau (ou KDE). Dans ce module, vous apprendrez ce qu'est l'estimation de densité et plus particulièrement comment utiliser l'estimation de densité par noyau. Un aspect souvent négligé de l'estimation de la densité est la représentation du modèle généré pour les données, qui peut être utilisée pour émuler de nouvelles données. Ce concept est démontré en appliquant l'estimation de la densité à des images de chiffres manuscrits et en échantillonnant à partir du modèle résultant.