Il s'agit du cinquième des sept cours du certificat Google Advanced Data Analytics. Les professionnels des données utilisent l'analyse de régression pour découvrir les relations entre les différentes variables d'un ensemble de données et identifier les facteurs clés qui affectent les performances de l'entreprise. Dans ce cours, vous vous entraînerez à modéliser les relations entre les variables. Vous apprendrez les différentes méthodes de modélisation des données et comment les utiliser pour aborder les problèmes de l'entreprise. Vous explorerez également des méthodes telles que la régression linéaire, l'analyse de la variance (ANOVA) et la régression logistique.
Analyse de régression : Simplifiez les relations complexes entre les données
Analyse de régression : Simplifiez les relations complexes entre les données
Ce cours fait partie de Google Advanced Data Analytics (analyse avancée des données) Certificat Professionnel
Instructeur : Google Career Certificates
Enseignant de premier plan
45 093 déjà inscrits
Inclus avec 
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.7
(448 avis)
niveau Avancées
Conçu pour les professionnels de ce secteur
Planning flexible
Env. 32 heures
Apprenez à votre propre rythme
96%
La plupart des étudiants ont apprécié ce cours
Ce que vous apprendrez
Étudier les relations dans les ensembles de données
Identifier les hypothèses du modèle de régression
Effectuer des régressions linéaires et logistiques à l'aide de Python
Évaluation de modèles de pratique et interprétation
Compétences que vous acquerrez
- Catégorie : modèle de régression
- Catégorie : Programmation en Python
- Catégorie : Analyse statistique
- Catégorie : Une communication efficace
- Catégorie : Modélisation prédictive
Détails à connaître
Certificat partageable
Ajouter à votre profil LinkedIn
Évaluations
27 quizzes
Enseigné en Anglais
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise en Analyse des Données
Ce cours fait partie de la Google Advanced Data Analytics (analyse avancée des données) Certificat Professionnel
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à ce Certificat Professionnel.
- 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 auprès de Google
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
Vous commencerez par explorer les principales étapes de la construction de modèles de régression, de l'identification de vos hypothèses à l'interprétation de vos résultats. Ensuite, vous explorerez les deux principaux types de régression : linéaire et logistique. Vous apprendrez comment les professionnels des données utilisent la régression linéaire et logistique pour aborder différents types de problèmes commerciaux.
Inclus
8 vidéos3 lectures4 quizzes1 plugin
Vous découvrirez comment utiliser des modèles pour décrire des relations complexes entre des données. Vous vous concentrerez sur les relations de corrélation. Ensuite, vous construirez un modèle de régression linéaire simple en Python et vous interpréterez vos résultats.
Inclus
9 vidéos8 lectures5 quizzes5 laboratoires non notés
Après la régression simple, vous passerez à un modèle de régression plus complexe : la régression linéaire multiple. Vous verrez comment la régression multiple s'appuie sur la régression linéaire simple à chaque étape du processus de modélisation. Vous aurez également un aperçu de certains sujets clés de l'apprentissage automatique : la sélection, l'ajustement excessif et le compromis biais-variance.
Inclus
10 vidéos4 lectures5 quizzes3 laboratoires non notés1 plugin
Vous vous appuierez sur vos connaissances préalables en matière de tests d'hypothèses pour explorer deux autres tests statistiques : Le chi carré et l'analyse de la variance (ANOVA). Vous apprendrez comment les professionnels des données utilisent ces tests pour analyser différents types de données. Enfin, vous effectuerez deux types de tests du Khi-deux, ainsi que des tests d'ANOVA à sens unique et à double sens.
Inclus
9 vidéos3 lectures4 quizzes3 laboratoires non notés
Vous étudierez la régression logistique binomiale, un type d'analyse de régression qui classe les données en deux catégories. Vous apprendrez comment construire un modèle de régression logistique binomiale et comment les professionnels des données utilisent ce type de modèle pour obtenir des informations sur leurs données.
Inclus
8 vidéos4 lectures5 quizzes3 laboratoires non notés
Vous réaliserez un projet de fin de cours en construisant un modèle de régression pour analyser un ensemble de données relatives à un scénario sur le lieu de travail.
Inclus
5 vidéos10 lectures4 quizzes6 laboratoires non notés
Instructeur
Évaluations de l’enseignant
4.4 (111 évaluations)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 ?
Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Avis des étudiants
4.7
448 avis
- 5 stars
83,48 %
- 4 stars
9,15 %
- 3 stars
4,01 %
- 2 stars
1,56 %
- 1 star
1,78 %
Affichage de 3 sur 448
BT
5
Révisé le 13 avr. 2023
very good course, but this course is the most difficult for me
TH
5
Révisé le 27 janv. 2024
This course is great. It helps put the first step on Regression Analysis.
KP
4
Révisé le 7 mai 2023
too deeper information. lab was nearly impossibles
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
Les organisations de tous types et de toutes tailles ont des processus commerciaux qui génèrent des volumes massifs de données. À chaque instant, toutes sortes d'informations sont créées par les ordinateurs, l'internet, les téléphones, les textes, la vidéo en continu, les photographies, les capteurs et bien d'autres choses encore. Dans le paysage numérique mondial, les données sont de plus en plus imprécises, chaotiques et non structurées. Alors que la vitesse et la variété des données augmentent de façon exponentielle, les organisations peinent à suivre le rythme.
La science des données et l'analytique des données avancée font partie d'un domaine d'étude qui utilise les données brutes pour créer de nouvelles façons de modéliser et de comprendre l'inconnu. Pour acquérir des connaissances, les entreprises s'appuient sur des professionnels des données pour acquérir, organiser et interpréter les données, ce qui permet d'éclairer les projets et les processus internes. Les data scientists et les analystes de données avancés s'appuient sur une combinaison de compétences essentielles, notamment les statistiques, les méthodes scientifiques, l'analyse des données et l'intelligence artificielle.
Un professionnel des données est un terme utilisé pour décrire toute personne qui travaille avec des données et/ou qui possède des compétences en matière de données. Au minimum, un professionnel des données est capable d'explorer, de nettoyer, de sélectionner, d'analyser et de visualiser des données. Il peut également être à l'aise avec l'écriture de code et avoir une certaine familiarité avec les techniques utilisées par les statisticiens et les ingénieurs en apprentissage automatique, notamment la construction de modèles, le développement de la pensée algorithmique et la construction de modèles d'apprentissage automatique.
Les professionnels des données sont responsables de la collecte, de l'analyse et de l'interprétation de grandes quantités de données au sein d'une variété d'organisations différentes. Le rôle d'un professionnel des données est défini différemment selon les entreprises. D'une manière générale, les professionnels des données possèdent des capacités techniques et stratégiques qui nécessitent des compétences analytiques plus avancées, telles que la manipulation des données, la conception expérimentale, la modélisation prédictive et l'apprentissage automatique. Ils effectuent diverses tâches liées à la collecte, à la structuration, à l'interprétation, au suivi et à la communication des données dans des formats accessibles, ce qui permet aux parties prenantes de comprendre et d'utiliser les données de manière efficace. En fin de compte, le travail des professionnels des données aide les organisations à prendre des décisions éclairées et éthiques.
Les grands volumes de données - et la technologie nécessaire pour les gérer et les analyser - sont de plus en plus accessibles. Pour cette raison, les opportunités de carrière se sont multipliées pour les personnes capables de raconter des histoires à l'aide de données, comme les analystes de données seniors et les data scientists. Ces professionnels collectent, analysent et interprètent de grandes quantités de données au sein de différentes organisations. Leurs responsabilités nécessitent des compétences analytiques avancées telles que la manipulation des données, la conception expérimentale, la modélisation prédictive et l'apprentissage automatique.