Formation Data Science débutant

Leçon 1 • Types de données et variables

Classe les données par structure, format et échelle de mesure. Permet de sélectionner la méthode correcte dans les chapitres analytiques ultérieurs.

Leçon 2 • Qu'est-ce que la science des données ?

Définit la science des données, la distingue des domaines connexes et cartographie ses composants. Ancre tous les chapitres suivants dans une terminologie partagée.

Leçon 3 • Le flux de travail de la science des données

Présente le cycle de vie standard du projet, de la définition du problème au déploiement. Fournit un modèle mental que les étudiants appliquent tout au long du cours.

Leçon 1 • Travailler avec les tableaux NumPy

Présente le calcul vectorisé sur des tableaux numériques. Sous-tend les opérations critiques pour les performances utilisées dans pandas et scikit-learn.

Leçon 2 • Flux de contrôle et fonctions

Enseigne les conditionnelles, les boucles et la conception de fonctions réutilisables. Permet aux étudiants d'automatiser efficacement les tâches de données répétitives.

Leçon 3 • Entrées-sorties de fichiers et chargement de données

Montre comment lire et écrire des fichiers CSV, Excel et JSON. Prépare les étudiants à ingérer des ensembles de données du monde réel dans tous les projets suivants.

Leçon 4 • Syntaxe Python et types de données

Couvre les variables, les opérateurs et les types intégrés utilisés dans les flux de travail de données. Forme la base syntaxique de tout le travail ultérieur basé sur Python.

Leçon 1 • Statistiques descriptives

Quantifie la tendance centrale, la dispersion et la forme des distributions. Fournit la base numérique pour interpréter n'importe quel ensemble de données.

Leçon 2 • Fondamentaux de la visualisation de données

Présente Matplotlib et Seaborn pour créer des types de graphiques standard. Les compétences en visualisation sont appliquées dans chaque chapitre restant.

Leçon 3 • Profilage des données et évaluation de la qualité

Audite systématiquement les ensembles de données pour détecter les valeurs manquantes, les doublons et les anomalies. Motive directement les techniques de nettoyage des données dans le chapitre suivant.

Leçon 1 • Corrélation et covariance

Quantifie les relations linéaires et basées sur le rang entre les variables. Informe directement la sélection des caractéristiques et le diagnostic de multicolinéarité dans les modèles de régression.

Leçon 2 • Distributions de probabilité

Présente les distributions discrètes et continues clés utilisées en science des données. La connaissance des distributions est essentielle pour choisir les modèles et les fonctions de perte corrects.

Leçon 3 • Notions essentielles de probabilité

Couvre les règles de probabilité, la probabilité conditionnelle et le théorème de Bayes. Ces concepts sous-tendent les algorithmes de classification et la quantification de l'incertitude.

Leçon 1 • Gestion des données manquantes

Couvre les stratégies de suppression, d'imputation et d'indicateur pour les valeurs manquantes. Une gestion correcte prévient les biais dans les modèles en aval.

Leçon 2 • Mise à l'échelle et transformation des caractéristiques

Applique la normalisation, la standardisation et les transformations mathématiques aux caractéristiques numériques. Garantit que les algorithmes basés sur la distance et le gradient convergent correctement.

Leçon 3 • Construction d'un pipeline de prétraitement

Combine toutes les étapes de nettoyage en un objet Pipeline scikit-learn reproductible. Empêche les fuites de données et rationalise l'entraînement des modèles dans les chapitres suivants.

Leçon 4 • Détection et traitement des valeurs aberrantes

Identifie les valeurs aberrantes à l'aide de méthodes statistiques et visuelles et applique les mesures correctives appropriées. Protège les performances du modèle contre la distorsion des valeurs extrêmes.

Leçon 1 • Fondamentaux de l'apprentissage automatique

Définit l'apprentissage supervisé, le compromis biais-variance et le paradigme de division entraînement-test. Établit le cadre conceptuel pour toutes les sections de modélisation.

Leçon 2 • Algorithmes de classification

Implémente la régression logistique, les arbres de décision et les k-plus proches voisins pour les cibles catégorielles. Construit la boîte à outils de classification élargie dans la section sur les méthodes d'ensemble.

Leçon 3 • Réglage des hyperparamètres

Applique la recherche par grille, la recherche aléatoire et l'optimisation bayésienne pour maximiser les performances du modèle. Le réglage est la dernière étape avant la sélection et le déploiement du modèle.

Leçon 4 • Algorithmes de régression

Couvre la régression linéaire, polynomiale et régularisée pour la prédiction de cibles continues. Les compétences en régression sont directement transposables à l'analyse de l'importance des caractéristiques.

Leçon 1 • Analyse en composantes principales

Réduit la dimensionnalité des caractéristiques en projetant les données sur les composantes principales. L'ACP améliore la visualisation et réduit le bruit avant la modélisation supervisée.

Leçon 2 • Techniques d'apprentissage de variétés

Applique t-SNE et UMAP pour la réduction de dimensionnalité et la visualisation non linéaires. Ces méthodes révèlent des structures de cluster invisibles pour les méthodes linéaires comme l'ACP.

Leçon 3 • Algorithmes de clustering

Couvre le clustering k-means, hiérarchique et basé sur la densité pour regrouper des observations non étiquetées. Les résultats du clustering alimentent directement les cas d'utilisation de segmentation commerciale.

Leçon 1 • Communiquer les résultats de la science des données

Structure les résultats en résumés pour la direction et tableaux de bord visuels pour les publics non techniques. Une communication claire détermine si les informations génèrent des décisions commerciales.

Leçon 2 • Évaluation avancée des modèles

Couvre la courbe ROC-AUC, les courbes de précision-rappel et l'étalonnage pour une évaluation approfondie du modèle. Une évaluation rigoureuse empêche le déploiement coûteux de modèles sous-performants.

Leçon 3 • Surveillance des modèles en production

Détecte la dérive des données, la dérive du concept et la dégradation des performances dans les modèles déployés. Une surveillance continue garantit la fiabilité du modèle après le lancement.

Leçon 4 • Interprétabilité des modèles

Applique les valeurs SHAP et l'importance par permutation pour expliquer les prédictions du modèle. L'interprétabilité renforce la confiance des parties prenantes et satisfait aux exigences de responsabilité.