Les données n'arrivent jamais dans l'état dans lequel vous en avez besoin pour effectuer une analyse efficace. Les données doivent être remodelées, réarrangées et reformatées afin de pouvoir être visualisées ou introduites dans un algorithme d'apprentissage automatique. Ce cours aborde le problème de la manipulation de vos données afin que vous puissiez les contrôler et les analyser efficacement. Ce cours couvre de nombreux détails critiques sur la manipulation de données ordonnées et non ordonnées dans R, tels que la conversion de formats larges en formats longs, la manipulation de tableaux avec le package dplyr, la compréhension des différents types de données R, le traitement de données textuelles avec des expressions régulières et la réalisation d'analyses de données exploratoires de base. Investir du temps pour apprendre ces techniques de manipulation de données rendra vos analyses plus efficaces, plus reproductibles et plus compréhensibles pour votre équipe de science des données. Dans cette spécialisation, nous supposons que vous êtes familier avec le langage de programmation R. Si vous n'êtes pas encore familiarisé avec R, nous vous suggérons de suivre d'abord le cours de programmation R avant de suivre ce cours.
Manipuler des données dans le Tidyverse
Ce cours fait partie de Spécialisation Compétences Tidyverse pour la science des données en R
Instructeurs : Carrie Wright, PhD
2 095 déjà inscrits
Inclus dans le site
(31 avis)
Ce que vous apprendrez
Appliquer les fonctions Tidyverse pour transformer des données non ordonnées en données ordonnées
Effectuer une analyse exploratoire de base des données
Effectuer des analyses de données textuelles
Détails à connaître
Ajouter à votre profil LinkedIn
7 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 6 modules dans ce cours
Les données n'arrivent jamais dans l'état dans lequel vous en avez besoin pour effectuer une analyse efficace. Les données doivent être remodelées, réarrangées et reformatées afin de pouvoir être visualisées ou introduites dans un algorithme d'apprentissage automatique. Ce module aborde le problème de la manipulation de vos données afin que vous puissiez les contrôler et les analyser efficacement. L'objectif principal du traitement des données est de transformer des données non ordonnées en données ordonnées.
Inclus
19 lectures2 devoirs
Dans R, les données catégorielles sont traitées comme des facteurs. Par définition, les données catégorielles sont limitées en ce sens qu'elles ont un nombre défini de valeurs possibles qu'elles peuvent prendre. Par exemple, il y a 12 mois dans une année civile. Dans une variable "mois", chaque observation ne peut prendre qu'une de ces douze valeurs. Ainsi, avec un nombre limité de valeurs possibles, le mois est une variable catégorielle. Les données catégorielles, qui seront appelées facteurs dans la suite de cette leçon, se retrouvent régulièrement dans les données. Apprendre à travailler efficacement avec ce type de variable vous sera extrêmement utile.
Inclus
14 lectures2 devoirs
Travailler avec des données textuelles est de plus en plus fréquent dans les projets de science des données. La manipulation de texte est souvent nécessaire pour nettoyer des ensembles de données désordonnés et pour créer des mesures numériques à partir de données textuelles. En outre, le texte lui-même est souvent la donnée et ce module couvre les outils permettant d'extraire des informations du texte.
Inclus
13 lectures2 devoirs
L'objectif d'une analyse exploratoire est d'examiner ou d'explorer les données et de trouver des relations qui n'étaient pas connues auparavant. Les analyses exploratoires étudient la manière dont les différentes mesures peuvent être liées les unes aux autres, mais ne confirment pas que cette relation est causale, c'est-à-dire qu'une variable en cause une autre. Vous avez probablement entendu la phrase "La corrélation n'implique pas la causalité", et les analyses exploratoires sont à la base de ce dicton. Ce n'est pas parce que vous observez une relation entre deux variables au cours d'une analyse exploratoire que l'une est nécessairement à l'origine de l'autre.
Inclus
2 lectures
Nous allons maintenant vous montrer comment importer des données à l'aide de nos exemples d'études de cas. Lorsque vous travaillez sur les étapes des études de cas, vous pouvez utiliser soit RStudio sur votre propre ordinateur, soit les espaces de laboratoire Coursera fournis pour chaque étude de cas.
Inclus
11 lectures2 laboratoires non notés
Dans ce projet, vous vous exercerez à l'exploration et à la manipulation de données avec le tidyverse en utilisant les données des plaintes des consommateurs du Consumer Financial Protection Bureau (CFPB).
Inclus
1 lecture1 devoir
Instructeurs
Offert par
Recommandé si vous êtes intéressé(e) par Analyse des Données
Johns Hopkins University
Johns Hopkins University
Johns Hopkins University
Johns Hopkins University
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Avis des étudiants
Affichage de 3 sur 31
31 avis
- 5 stars
68,75 %
- 4 stars
18,75 %
- 3 stars
9,37 %
- 2 stars
3,12 %
- 1 star
0 %
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à plus de 7 000 cours de renommée internationale, à des projets pratiques et à des programmes de certificats reconnus sur le marché du travail, 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.