module #1 Introduction à l'analyse des données Vue d'ensemble de l'analyse des données, de son importance et de ses applications
module #2 Types et sources de données Types de données, sources de données et méthodes de collecte de données
module #3 Préparation et nettoyage des données Importance du nettoyage des données, du traitement des valeurs manquantes et de la transformation des données
module #4 Principes de base de la visualisation des données Introduction à la visualisation des données, types de tracés et bonnes pratiques
module #5 Statistiques descriptives Mesures de tendance centrale, de variabilité et de distribution des données
module #6 Résumé et agrégation des données Techniques d'agrégation, de regroupement et de résumé des données
module #7 Visualisation des données pour l'analyse univariée Visualisation de variables uniques à l'aide d'histogrammes, de boîtes à moustaches, etc.
module #8 Visualisation des données pour l'analyse bivariée Visualisation des relations entre deux variables à l'aide de nuages de points, etc.
module #9 Introduction aux statistiques inférentielles Principes de base des statistiques inférentielles, échantillonnage distributions et intervalles de confiance
module #10 Tests d'hypothèses Formulation d'hypothèses, types de tests et hypothèses de test
module #11 Intervalles de confiance et estimation Construction d'intervalles de confiance et estimation des paramètres de population
module #12 ANOVA et analyse de régression Analyse de la variance, régression simple et multiple et création de modèles
module #13 Analyse des séries chronologiques Introduction à l'analyse des séries chronologiques, aux composants et à la création de modèles
module #14 Méthodes de prévision Lissage exponentiel, ARIMA et autres techniques de prévision
module #15 Exploration de données et apprentissage automatique Présentation de l'exploration de données, de l'apprentissage automatique et de l'apprentissage supervisé
module #16 Algorithmes d'apprentissage supervisé Arbres de décision, forêts aléatoires et autres algorithmes d'apprentissage supervisé
module #17 Algorithmes d'apprentissage non supervisé Clustering, k-means et clustering hiérarchique
module #18 Analyse de texte et traitement du langage naturel Introduction Analyse de texte, PNL et analyse des sentiments
module #19 Analyse de données avec Python Utilisation de Python pour l'analyse de données, pandas, NumPy et Matplotlib
module #20 Analyse de données avec R Utilisation de R pour l'analyse de données, la manipulation de données et la visualisation
module #21 Analyse de données avec Excel Utilisation d'Excel pour l'analyse de données, les tableaux croisés dynamiques et les graphiques
module #22 Analyse de Big Data Introduction au Big Data, Hadoop et Spark
module #23 Récit et communication de données Communication efficace des informations et des résultats aux parties prenantes
module #24 Bilan et conclusion du cours Planifier les prochaines étapes de votre carrière en analyse de données
