Il s'agit du quatrième des sept cours du certificat Google Advanced Data Analytics. Dans ce cours, vous découvrirez comment les professionnels des données utilisent les statistiques pour analyser les données et obtenir des informations importantes. Vous explorerez des concepts clés tels que les statistiques descriptives et inférentielles, la probabilité, l'échantillonnage, les intervalles de confiance et les tests d'hypothèse. Vous apprendrez également à utiliser Python pour l'analyse statistique et vous vous entraînerez à communiquer vos résultats comme un professionnel des données.
Le pouvoir des statistiques
Le pouvoir des statistiques
Ce cours fait partie de Google Advanced Data Analytics (analyse avancée des données) Certificat Professionnel
Instructeur : Google Career Certificates
Enseignant de premier plan
62 989 déjà inscrits
Inclus avec 
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
4.8
(732 avis)
niveau Avancées
Conçu pour les professionnels de ce secteur
Planning flexible
Env. 31 heures
Apprenez à votre propre rythme
99%
La plupart des étudiants ont apprécié ce cours
Ce que vous apprendrez
Explorer et résumer un ensemble de données
Utiliser des distributions de probabilité pour modéliser les données
Effectuer un test d'hypothèse pour identifier des informations sur les données
Effectuer des analyses statistiques à l'aide de Python.
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 Probabilités et Statistiques
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 explorerez le rôle des statistiques dans la science des données et identifierez la différence entre les statistiques descriptives et inférentielles. Vous apprendrez comment les statistiques descriptives peuvent vous aider à résumer rapidement un ensemble de données et à mesurer le centre, la dispersion et la position relative des données.
Inclus
12 vidéos6 lectures4 quizzes3 laboratoires non notés2 plugins
Vous apprendrez les règles de base du calcul des probabilités pour des événements uniques. Ensuite, vous découvrirez comment les professionnels des données utilisent des méthodes telles que le théorème de Bayes pour décrire des événements plus complexes. Enfin, vous apprendrez comment les distributions de probabilité telles que la distribution binomiale, la distribution de Poisson et la distribution normale peuvent vous aider à mieux comprendre la structure des données.
Inclus
14 vidéos7 lectures6 quizzes3 laboratoires non notés4 plugins
Les professionnels des données utilisent de petits échantillons de données pour tirer des conclusions sur de grands ensembles de données. Vous découvrirez les différentes méthodes qu'ils utilisent pour collecter et analyser des échantillons de données et comment ils évitent les biais d'échantillonnage. Vous apprendrez également comment les distributions d'échantillonnage peuvent vous aider à réaliser des estimations précises.
Inclus
11 vidéos7 lectures4 quizzes3 laboratoires non notés2 plugins
Vous découvrirez comment les professionnels des données utilisent les intervalles de confiance pour décrire l'incertitude de leurs estimations. Vous apprendrez à construire et à interpréter les intervalles de confiance - et à éviter certaines erreurs d'interprétation courantes.
Inclus
7 vidéos3 lectures4 quizzes3 laboratoires non notés
Les tests d'hypothèses aident les professionnels des données à déterminer si les résultats d'un test ou d'une expérience sont statistiquement significatifs ou dus au hasard. Vous découvrirez les étapes de base de tout test d'hypothèse et comment les tests d'hypothèse peuvent vous aider à tirer des conclusions significatives sur les données.
Inclus
8 vidéos8 lectures5 quizzes3 laboratoires non notés
Dans ce projet de fin de cours, vous utiliserez des méthodes statistiques telles que les tests d'hypothèse 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
4.8 (196 évaluations)Offert par
Recommandé si vous êtes intéressé(e) par Probabilités et Statistiques
University of Amsterdam
Stanford University
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
4.8
732 avis
- 5 stars
87,84 %
- 4 stars
9,56 %
- 3 stars
1,63 %
- 2 stars
0,54 %
- 1 star
0,40 %
Affichage de 3 sur 732
FN
4
Révisé le 20 oct. 2023
This is but a good introduction to statistics. Not what I expected in an advanced course, but still good for beginners or as a refresh.
BT
5
Révisé le 12 avr. 2023
it's very good course ever, and extreme defficult for me as well. thank you Google and Coursera team for producing a good course like this
TP
5
Révisé le 19 sept. 2023
Exceptional! I've learned so much about statistics with such a clarity, and how they are being practiced in real life. Thank you, instructor!
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.