S'il existe un raccourci pour devenir un Data Scientist, c'est bien d'apprendre à penser et à travailler comme un Data Scientist performant. Dans ce cours, vous apprendrez et appliquerez cette méthodologie que vous pourrez utiliser pour aborder n'importe quel scénario de science des données. Vous explorerez deux méthodologies de science des données notables, la méthodologie de science des données fondamentale et la méthodologie de science des données en six étapes CRISP-DM, et apprendrez comment appliquer ces méthodologies de science des données. La plupart des data scientists établis suivent ces méthodologies ou des méthodologies similaires pour résoudre les problèmes de data science. Commencez par apprendre à former le problème de l'entreprise/de la recherche. Apprenez comment les data scientists obtiennent, préparent et analysent les données. Découvrez comment l'application des pratiques méthodologiques de la science des données permet de s'assurer que les données utilisées pour résoudre le problème sont pertinentes et correctement manipulées pour répondre à la question. Vous penserez comme un data scientist et développerez vos compétences en méthodologie de la science des données en utilisant un scénario inspiré du monde réel grâce à des laboratoires progressifs hébergés dans des carnets Jupyter et utilisant Python.
Méthodologie de la science des données
Ce cours fait partie de plusieurs programmes.
Instructeurs : Alex Aklson
319 063 déjà inscrits
Inclus avec 
(20,480 avis)
Expérience recommandée
Ce que vous apprendrez
Décrivez ce qu'est une méthodologie de science des données et pourquoi les scientifiques des données ont besoin d'une méthodologie.
Appliquer les six étapes de la méthodologie CRISP-DM (Cross-Industry Process for Data Mining) pour analyser une étude de cas.
Évaluer le modèle analytique approprié parmi les modèles prédictifs, descriptifs et de classification utilisés pour analyser une étude de cas.
Déterminez les sources de données appropriées pour votre méthodologie d'analyse de la science des données.
Compétences que vous acquerrez
- Catégorie : Science des données
- Catégorie : Analyse des Données
- Catégorie : CRISP-DM
- Catégorie : Méthodologie
- Catégorie : Data mining
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 4 modules dans ce cours
Dans ce module, vous découvrirez ce qui rend la science des données intéressante, ce qu'est une méthodologie de science des données et pourquoi les scientifiques des données ont besoin d'une méthodologie de science des données. Ensuite, vous approfondirez les deux premières étapes de la méthodologie de la science des données : Compréhension de l'activité et Approche analytique. Vous découvrirez comment identifier les considérations et les étapes nécessaires pour définir les besoins en données pour la classification par arbre décisionnel au cours de l'étape Besoins en données. Ensuite, vous découvrirez les processus et les techniques que les scientifiques des données utilisent pour évaluer le contenu et la qualité des données, ainsi que les idées initiales et la manière dont les scientifiques des données gèrent les lacunes des données. Terminez cette semaine par une expérience pratique en apprenant comment aborder les tâches de l'étape Compréhension de l'activité et Approche analytique et les tâches de l'étape Exigences en matière de données et Collecte pour tout problème de science des données.
Inclus
6 vidéos2 lectures4 devoirs1 élément d'application7 plugins
Dans ce module, vous apprendrez ce que font les scientifiques des données lorsque leurs tâches et leurs objectifs sont de comprendre, de préparer et de nettoyer les données. Vous examinerez les objectifs, les caractéristiques et les buts du processus de modélisation des données. Vous découvrirez également comment préparer un ensemble de données en traitant les données manquantes, invalides ou trompeuses. Ensuite, consultez les laboratoires pratiques où vous pourrez acquérir de l'expérience en réalisant des tâches liées aux étapes de compréhension des données, de préparation des données, de modélisation et d'évaluation. Vous serez en mesure d'appliquer les compétences acquises à de futurs problèmes de science des données.
Inclus
6 vidéos4 devoirs2 éléments d'application4 plugins
À l'issue de ce module, vous serez en mesure de décrire les étapes de déploiement et de retour d'information de la méthodologie de la science des données. Vous saurez comment évaluer les performances, l'impact et l'état de préparation d'un modèle de données. Vous serez en mesure d'identifier les parties prenantes qui contribuent généralement à l'amélioration du modèle. Vous serez également en mesure d'expliquer pourquoi le déploiement et le retour d'information doivent être un processus itératif. Pour compléter votre expérience pratique en laboratoire, vous concevrez un problème commercial à résoudre en utilisant des données liées au courrier électronique, aux hôpitaux ou aux cartes de crédit. Vous démontrerez votre compréhension de la méthodologie de la science des données en l'appliquant à un problème donné. Vous construirez des réponses qui abordent chaque phase du CRISP-DM sur la base d'un problème commercial choisi. Après avoir soumis votre travail, vous évaluerez les projets finaux de vos pairs et fournirez des idées et des suggestions constructives que les autres apprenants pourront appliquer immédiatement.
Inclus
4 vidéos2 devoirs2 plugins
Avant de réaliser votre projet final, apprenez comment la méthodologie de la science des données CRISP-DM se compare à la méthodologie fondamentale de la science des données de John Rollins. Ensuite, appliquez ce que vous avez appris pour réaliser une mission notée par vos pairs en utilisant la méthodologie de science des données CRISP-DM pour résoudre un problème commercial que vous définissez. Vous jouerez d'abord le rôle du client et du scientifique des données et décrirez comment vous appliquerez la méthodologie CRISP-DM de la science des données pour résoudre le problème commercial. Ensuite, vous jouerez le rôle d'un scientifique des données et appliquerez votre connaissance des étapes de la méthodologie des données CRISP-DM pour décrire comment vous résoudriez le problème de l'entreprise. Après avoir remis votre travail, vous noterez le travail d'un pair inscrit à cette session. C'est parti !
Inclus
1 vidéo4 lectures1 devoir1 évaluation par les pairs1 plugin
Instructeurs
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
20 480 avis
- 5 stars
71,49 %
- 4 stars
21,24 %
- 3 stars
4,83 %
- 2 stars
1,53 %
- 1 star
0,88 %
Affichage de 3 sur 20480
Révisé le 16 mai 2021
A bit more complex than what I would have hoped, but the material is still digestible. I think this course could be improve if the lecturer slow down a bit and spend more time on each topic
Révisé le 29 nov. 2019
This was a clear and concise overview of the methodology and using the case study really helped (although sometimes it got a bit advanced considering this comes before actually learning models).
Révisé le 5 août 2020
This course covers the end to end cycle suggested framework that can be useful not only in Data Science but also in other Research Projects that manage information to create and deploy a solution.
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 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.