Dans ce module, vous appliquerez les techniques de traitement des données apprises dans les cours précédents afin de nettoyer et de préparer les ensembles de données collectées pour l'analyse. À partir des données recueillies dans le module 1, vous transformerez les données brutes en un format structuré et prêt à être analysé. Vous nettoierez les données textuelles, normaliserez les variables, traiterez les valeurs manquantes et effectuerez des transformations de données telles que l'encodage et la normalisation. À la fin de ce module, vous aurez préparé un ensemble de données fiable qui permettra une exploration et une modélisation significatives dans les étapes ultérieures du projet.

A ce stade du projet, vous appliquerez les compétences en matière de collecte et de traitement des données développées dans les modules précédents, ainsi que votre expérience en matière de requêtes SQL et de visualisation des données. Ce module se concentre sur l'analyse exploratoire des données (AED) afin de mieux comprendre les modèles, les relations et les tendances au sein des ensembles de données préparés. Vous travaillerez avec les ensembles de données générés dans les modules précédents afin d'explorer les variables clés, d'identifier les informations significatives et de préparer les données pour la modélisation prédictive. Si vous avez rencontré des difficultés lors des étapes précédentes, des ensembles de données préparés sont disponibles pour vous aider à continuer à progresser dans le projet. Dans ce module, vous effectuerez une série de travaux pratiques qui vous guideront à travers les étapes essentielles de l'analyse exploratoire.

Dans ce module, vous appliquerez des techniques de modélisation de régression pour construire des modèles prédictifs de la demande de vélos en libre-service à l'aide de l'ensemble de données préparé. En vous appuyant sur les concepts de modélisation appris précédemment, vous construirez et affinerez des modèles de régression multiple afin d'améliorer la précision de la prédiction. Vous évaluerez les performances du modèle à l'aide de mesures statistiques appropriées et interpréterez la contribution des différentes variables prédictives. Cette étape représente la transition de l'exploration des données à l'analyse prédictive dans le cadre de votre travail de fin d'études.

Dans ce module, vous appliquerez vos compétences en visualisation de données et en développement d'applications pour créer un tableau de bord interactif qui présente les résultats de votre analyse prédictive. En utilisant R Shiny et des outils de visualisation, vous concevrez un tableau de bord qui permettra aux utilisateurs d'explorer la demande prédite de vélos en libre-service dans différents lieux. Ce module se concentre sur la transformation des résultats analytiques en outils visuels interactifs qui soutiennent la prise de décision basée sur les données.

Dans ce dernier module, vous consoliderez les résultats de votre projet de base dans une présentation professionnelle qui communiquera votre flux de travail, votre analyse, vos idées et vos résultats prédictifs. Vous préparerez une présentation structurée qui mettra en évidence le problème du projet, la méthodologie, les résultats clés et les conclusions. Ce module représente le point culminant de votre parcours d'apprentissage, où vous démontrez votre capacité à appliquer des compétences en science des données pour résoudre un problème du monde réel et communiquer vos résultats de manière efficace.