Ce cours vous apprendra à exploiter la puissance de Python et de l'intelligence artificielle pour créer et tester des hypothèses. Nous commencerons par apprendre les bases de Python pour la science des données avant de plonger dans certaines de ses applications les plus riches pour tester les hypothèses que nous avons créées. Nous apprendrons certaines des bibliothèques les plus importantes pour l'analyse exploratoire des données (EDA) et l'apprentissage automatique telles que Numpy, Pandas et Sci-kit learn. Après avoir appris une partie de la théorie (et des mathématiques) derrière la régression linéaire, nous passerons par un pipeline complet de lecture de données, de nettoyage et d'application d'un modèle de régression pour estimer la progression du diabète. À la fin du cours, vous appliquerez un modèle de classification pour prédire la présence ou l'absence d'une maladie cardiaque à partir des données de santé d'un patient.
Introduction à la science des données et à scikit-learn en Python
Ce cours fait partie de Spécialisation L'IA au service de la recherche scientifique
Instructeurs : Sabrina Moore
6 556 déjà inscrits
Inclus avec
(45 avis)
Expérience recommandée
Ce que vous apprendrez
Utiliser des techniques d'intelligence artificielle pour tester des hypothèses en Python
Appliquer un modèle d'apprentissage automatique en combinant Numpy, Pandas et Scikit-Learn
Compétences que vous acquerrez
- Catégorie : Science des données
- Catégorie : Apprentissage automatique
- Catégorie : données médicales
- Catégorie : régression
- Catégorie : Tests d'hypothèses statistiques
Détails à connaître
Ajouter à votre profil LinkedIn
9 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 4 modules dans ce cours
Dans ce module, nous allons commencer à programmer en Python. Après nous être familiarisés avec Python et l'interface Jupyter Notebook, nous nous plongerons dans quelques paradigmes de codage de base tels que les variables, les boucles et les fonctions. Nous aborderons également les structures de données sous forme de listes et de dictionnaires. Nous passerons en revue l'un des éléments les plus utiles de votre arsenal Python - l'importation et l'utilisation efficace des modules. Enfin, nous présenterons scikit-learn et aborderons un problème de classification visant à prédire la présence ou l'absence d'un cancer à partir de données de santé.
Inclus
9 vidéos5 lectures2 devoirs4 devoirs de programmation1 sujet de discussion5 laboratoires non notés
Dans ce module, nous nous familiariserons avec les deux packages les plus importants pour la science des données : Numpy et Pandas. Nous commencerons par apprendre les différences entre les deux packages. Ensuite, nous nous familiariserons avec les tableaux np et leurs fonctionnalités. L'ajout de texte transforme nos tableaux en tables et donne naissance au module Pandas. Après une introduction de base, nous terminerons par une série d'outils de manipulation de données importants tels que l'indexation, la fusion/combinaison d'ensembles de données et le remodelage des données.
Inclus
8 vidéos5 lectures4 devoirs1 devoir de programmation1 sujet de discussion2 laboratoires non notés
Dans ce module, nous travaillerons à partir de la base pour construire et tester notre hypothèse. En apprenant à la fois la théorie et le code, nous apprendrons à tester nos prédictions avec différents types d'algorithmes d'apprentissage automatique. Nous commencerons par passer par les étapes de prétraitement des données nécessaires pour nous orienter. Pour se familiariser avec l'utilisation de la bibliothèque Scikit-Learn, il faut d'abord consulter la documentation. Ensuite, nous chargerons un ensemble de données et analyserons certaines de ses propriétés les plus élémentaires. Enfin, nous importerons et utiliserons des modèles pour faire des prédictions.
Inclus
6 vidéos3 lectures3 devoirs1 devoir de programmation1 sujet de discussion1 laboratoire non noté
Dans le projet final, nous essaierons de prédire la présence d'une maladie cardiaque à l'aide de données de patients. Nous chargerons des données, créerons de nouvelles caractéristiques et appliquerons un algorithme d'apprentissage automatique à l'aide de scikit-learn.
Inclus
1 vidéo1 devoir de programmation1 laboratoire non noté
Instructeurs
Offert par
Recommandé si vous êtes intéressé(e) par Analyse des Données
University of Michigan
Imperial College London
Coursera Project Network
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
45 avis
- 5 stars
47,82 %
- 4 stars
15,21 %
- 3 stars
15,21 %
- 2 stars
10,86 %
- 1 star
10,86 %
Affichage de 3 sur 45
Révisé le 27 nov. 2021
Good introduction. A bit too short for a 4-week course. The autograder is not very good, and some solutions are wrong.
Révisé le 9 nov. 2021
meskipun agak eror dalam lab penugasan tapi alhamdulillah sudah bisa
Révisé le 30 janv. 2022
It could be better if we can see where we did wrong after each assignment. Good and well-paced course otherwise
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - 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 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.
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.