University of Michigan
Spécialisation Science des Données Appliquée avec Python
442 495 inscrit(s)
University of Michigan

Spécialisation Science des Données Appliquée avec Python

Obtenez de nouvelles informations sur vos données. Apprenez à appliquer les méthodes et techniques de la science des données et à acquérir des compétences en matière d'analyse.

Inclus avec Coursera Plus

Approfondissez votre connaissance d’un sujet

(26,242 avis)

niveau Intermédiaire
Certaines connaissances prérequises
Planning flexible
4 mois Ă  raison de 10 heures par semaine
Obtenir une qualification professionnelle
Partagez votre expertise avec les employeurs
Approfondissez votre connaissance d’un sujet

(26,242 avis)

niveau Intermédiaire
Certaines connaissances prérequises
Planning flexible
4 mois Ă  raison de 10 heures par semaine
Obtenir une qualification professionnelle
Partagez votre expertise avec les employeurs

Vue d'ensemble

  • Effectuer une analyse statistique infĂ©rentielle

  • DĂ©terminer si une visualisation de donnĂ©es est bonne ou mauvaise

  • AmĂ©liorez l'analyse des donnĂ©es grâce Ă  l'apprentissage automatique

  • Analyser la connectivitĂ© d'un rĂ©seau social

Compétences que vous acquerrez

  • CatĂ©gorie : Network Analysis
  • CatĂ©gorie : Applied Machine Learning
  • CatĂ©gorie : Supervised Learning
  • CatĂ©gorie : Network Model
  • CatĂ©gorie : Natural Language Processing
  • CatĂ©gorie : Data Visualization
  • CatĂ©gorie : Interactive Data Visualization
  • CatĂ©gorie : Graph Theory
  • CatĂ©gorie : Scientific Visualization
  • CatĂ©gorie : Statistical Visualization
  • CatĂ©gorie : Text Mining
  • CatĂ©gorie : Visualization (Computer Graphics)
  • CatĂ©gorie : Matplotlib
  • CatĂ©gorie : Feature Engineering
  • CatĂ©gorie : Data Visualization Software
  • CatĂ©gorie : Data Processing

Outils que vous découvrirez

  • CatĂ©gorie : Pandas (Python Package)
  • CatĂ©gorie : NumPy
  • CatĂ©gorie : Jupyter
  • CatĂ©gorie : Python Programming

Ce qui est inclus

Certificat partageable

Ajouter Ă  votre profil LinkedIn

Enseigné en Anglais
20 exercices pratiques

Améliorez votre expertise en la matière

  • AcquĂ©rez des compĂ©tences recherchĂ©es auprès d’universitĂ©s et d’experts du secteur
  • MaĂ®trisez un sujet ou un outil avec des projets pratiques
  • DĂ©veloppez une comprĂ©hension approfondie de concepts clĂ©s
  • Obtenez un certificat professionnel auprès de University of Michigan

Spécialisation - 5 séries de cours

Ce que vous apprendrez

  • Comprendre des techniques telles que les lambdas et la manipulation de fichiers csv

  • DĂ©crire les fonctions et caractĂ©ristiques courantes de Python utilisĂ©es pour la science des donnĂ©es

  • Interroger les structures DataFrame pour les nettoyer et les traiter

  • Expliquer les distributions, l'Ă©chantillonnage et les tests t

Compétences que vous acquerrez

Catégorie : Pandas (paquetage Python)
Catégorie : Programmation en Python
Catégorie : Manipulation de données
Catégorie : Jupyter
Catégorie : Science des données
Catégorie : Probabilités et statistiques
Catégorie : Nettoyage des données
Catégorie : NumPy
Catégorie : Tableaux croisés dynamiques et graphiques
Catégorie : Importation/exportation de données
Catégorie : Principes de programmation
Catégorie : Analyse statistique
Catégorie : Analyse des Données

Ce que vous apprendrez

  • DĂ©crire les caractĂ©ristiques d'une bonne ou d'une mauvaise visualisation

  • Comprendre les meilleures pratiques pour crĂ©er des graphiques de base

  • Identifier les fonctions les mieux adaptĂ©es Ă  des problèmes particuliers

  • CrĂ©ez une visualisation Ă  l'aide de matplotlb

Compétences que vous acquerrez

Catégorie : Présentation des données
Catégorie : Visualisation interactive des données
Catégorie : Logiciel de Visualisation de Données
Catégorie : NumPy
Catégorie : Pandas (paquetage Python)
Catégorie : Visualisation statistique
Catégorie : Graphique
Catégorie : Programmation en Python
Catégorie : Histogramme
Catégorie : Manipulation de données
Catégorie : Visualisation (infographie)
Catégorie : Diagrammes de dispersion
Catégorie : Visualisation de Données
Catégorie : Matplotlib
Catégorie : Visualisation scientifique

Ce que vous apprendrez

  • DĂ©crivez en quoi l'apprentissage automatique est diffĂ©rent des statistiques descriptives

  • CrĂ©er et Ă©valuer des grappes de donnĂ©es

  • Expliquer les diffĂ©rentes approches pour crĂ©er des modèles prĂ©dictifs

  • Construire des fonctionnalitĂ©s qui rĂ©pondent aux besoins d'analyse

Compétences que vous acquerrez

Catégorie : Apprentissage supervisé
Catégorie : Analyse de régression
Catégorie : Apprentissage automatique
Catégorie : Arbre de décision
Catégorie : Apprentissage automatique appliqué
Catégorie : Scikit-learn (Bibliothèque d'Apprentissage automatique)
Catégorie : Apprentissage non supervisé
Catégorie : Algorithme de forêt aléatoire
Catégorie : Modélisation prédictive
Catégorie : Programmation en Python
Catégorie : Ingénierie des caractéristiques
Catégorie : Réduction de dimensionnalité

Ce que vous apprendrez

  • Comprendre comment le texte est traitĂ© en Python

  • Appliquer les mĂ©thodes de base du traitement du langage naturel

  • Écrire un code qui regroupe les documents par thème

  • DĂ©crire le cadre nltk pour la manipulation de texte

Compétences que vous acquerrez

Catégorie : Exploration de texte
Catégorie : Apprentissage supervisé
Catégorie : Traitement du langage naturel (NLP)
Catégorie : Nettoyage des données
Catégorie : Ingénierie des caractéristiques
Catégorie : Programmation en Python
Catégorie : Manipulation de données
Catégorie : Apprentissage non supervisé
Catégorie : Algorithmes d'apprentissage automatique
Catégorie : Traitement des données
Catégorie : Données non structurées

Ce que vous apprendrez

  • ReprĂ©senter et manipuler des donnĂ©es en rĂ©seau Ă  l'aide de la bibliothèque NetworkX

  • Analyser la connectivitĂ© d'un rĂ©seau

  • Mesurer l'importance ou la centralitĂ© d'un nĹ“ud dans un rĂ©seau

  • PrĂ©voir l'Ă©volution des rĂ©seaux dans le temps

Compétences que vous acquerrez

Catégorie : Analyse du réseau
Catégorie : Modèle de réseau
Catégorie : Théorie des graphes
Catégorie : Algorithmes
Catégorie : Analyse des Données
Catégorie : Simulations
Catégorie : Apprentissage automatique appliqué
Catégorie : Programmation en Python
Catégorie : Matplotlib
Catégorie : Modélisation prédictive
Catégorie : Pandas (paquetage Python)

Obtenez un certificat professionnel

Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.

Instructeurs

Christopher Brooks
15 Cours925 552 apprenants
Kevyn Collins-Thompson
University of Michigan
0 Cours0 apprenants
Daniel Romero
University of Michigan
1 Cours4 apprenants
V. G. Vinod Vydiswaran
University of Michigan
0 Cours0 apprenants

Offert par

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Coursera Plus

Ouvrez de nouvelles portes avec Coursera Plus

Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - 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