Autoplay
Autocomplete
Previous Lesson
Complete and Continue
IGTC01AD - Les fondements de la data science (FR)
01 - Introduction
01 - Bienvenue dans « Les fondements de la data science » (0:58)
02 - Utiliser les fichiers d-exercice (0:30)
03 - Aborder les bases (0:28)
02 - 1. Découvrir la data science
02 - Découvrir le diagramme de Venn (3:33)
01 - Comprendre la demande (3:16)
03 - Définir la séquence des données (4:14)
04 - Explorer les différents rôles (2:39)
05 - Construire une équipe (2:00)
03 - 2. Définir le champ d'étude
02 - Aborder la programmation (2:13)
01 - S-initier au big data (2:56)
03 - Comparer avec les statistiques (1:42)
04 - 3. Utiliser la data science de façon éthique
01 - Évaluer les questions éthiques (2:17)
05 - 4. Déterminer les sources de données
01 - Choisir les indicateurs (3:25)
02 - Rassembler les données existantes (3:58)
03 - Découvrir les API (4:17)
04 - Recourir au scraping (1:54)
05 - Créer des données (2:47)
06 - 5. Explorer les données
02 - Utiliser les statistiques exploratoires (4:05)
01 - Tirer parti des graphiques exploratoires (4:05)
07 - 6. Travailler avec la programmation
01 - Découvrir le rôle des feuilles de calcul (3:15)
02 - S-initier au langage R (4:32)
03 - Aborder Python (4:03)
04 - Découvrir SQL (3:12)
05 - Explorer les formats web (3:27)
08 - 7. Connaître les mathématiques
01 - Faire un point sur l-algèbre (5:34)
02 - Découvrir les systèmes d-équations (4:41)
03 - Effectuer un calcul infinitésimal (9:08)
04 - Utiliser le grand O (4:36)
05 - Appliquer le théorème de Bayes (7:45)
09 - 8. Aller plus loin avec les statistiques appliquées
02 - Définir un niveau de confiance (5:05)
01 - Vérifier une hypothèse (5:28)
03 - Aborder les problèmes en modélisation (4:46)
04 - Tenir compte de la validation des données (3:01)
10 - 9. S'initier au machine learning
01 - Découvrir les arbres de décision (4:59)
02 - Comprendre les ensembles (4:47)
03 - Utiliser la méthode des k plus proches voisins (kPPV) (4:54)
04 - Aborder les classificateurs bayésiens naïfs (4:57)
05 - Définir les réseaux neuronaux artificiels (5:13)
11 - 10. Gérer la communication
01 - Maintenir l-interprétabilité (5:23)
02 - Fournir des informations exploitables (4:09)
03 - Développer la visualisation aux fins de présentation (4:22)
04 - Intégrer des recherches reproductibles (3:08)
12 - Conclusion
01 - Aller plus loin avec la data science (2:02)
fichiers_d_exercice_fondements_data_science
fichiers_d_exercice_fondements_data_science
Teach online with
03 - Découvrir les API
Lesson content locked
If you're already enrolled,
you'll need to login
.
Enroll in Course to Unlock