module #1 Introduction à la science des données Vue d'ensemble de la science des données, importance et applications
module #2 Processus de science des données Comprendre le processus de science des données : définition du problème, collecte, nettoyage, analyse et visualisation des données
module #3 Python pour la science des données Introduction au langage de programmation Python et à ses bibliothèques pour la science des données (NumPy, Pandas, etc.)
module #4 Prétraitement des données Gestion des valeurs manquantes, normalisation des données, mise à l'échelle des fonctionnalités et transformation des données
module #5 Visualisation des données Introduction à la visualisation des données à l'aide de Matplotlib et Seaborn
module #6 Statistiques descriptives Mesures de tendance centrale, de variabilité et de distribution des données
module #7 Statistiques inférentielles Tests d'hypothèses, intervalles de confiance et valeurs p
module #8 Analyse de régression Régression linéaire simple et multiple, hypothèses de régression et évaluation du modèle
module #9 Ingénierie des fonctionnalités Sélection, extraction et création de fonctionnalités techniques
module #10 Apprentissage supervisé Introduction à l'apprentissage supervisé, à la classification et à la régression
module #11 Apprentissage non supervisé Introduction à l'apprentissage non supervisé, au clustering et à la réduction de dimensionnalité
module #12 Évaluation du modèle Métriques pour évaluer les performances du modèle, le surajustement et le sous-ajustement
module #13 Arbres de décision et forêts aléatoires Introduction aux arbres de décision et aux forêts aléatoires, avantages et limites
module #14 Machines à vecteurs de support Introduction aux machines à vecteurs de support, à l'astuce du noyau et aux types SVM
module #15 Réseaux de neurones Introduction aux réseaux de neurones, au perceptron et au perceptron multicouche
module #16 Apprentissage en profondeur Introduction à l'apprentissage en profondeur, aux réseaux de neurones convolutifs et aux réseaux de neurones récurrents
module #17 Traitement du langage naturel Introduction au traitement du langage naturel, au prétraitement de texte et à la représentation de texte
module #18 Big Data et bases de données NoSQL Introduction au big data, Écosystème Hadoop et bases de données NoSQL
module #19 Data Storytelling Communication efficace des informations et des résultats à l'aide de la visualisation et de la narration des données
module #20 Outils et technologies de science des données Introduction aux outils et technologies de science des données, aux notebooks Jupyter et à Git
module #21 Étude de cas 1 : Analyse de régression Application de l'analyse de régression à un problème réel
module #22 Étude de cas 2 : Classification Application des techniques de classification à un problème réel
module #23 Étude de cas 3 : Clustering Application des techniques de clustering à un problème réel
module #24 Bilan et conclusion du cours Planifier les prochaines étapes de la carrière en science des données
