La science des données est l’étude des données. Il s’agit de développer des méthodes d’enregistrement, de stockage et d’analyse des données pour extraire efficacement les informations utiles. Les données sont un élément fondamental de notre travail quotidien, que ce soit sous la forme d’informations précieuses sur nos clients ou d’informations pour guider le développement de produits, de politiques ou de systèmes. Les grandes entreprises, les médias sociaux, la finance et le secteur public s’appuient tous sur les scientifiques des données pour analyser leurs données et en tirer des informations stimulantes.

Python est un langage de programmation orienté objet moderne et dynamique qui est facile à apprendre et peut être utilisé pour faire beaucoup de choses, grandes et petites. Python est ce que l’on appelle un langage de haut niveau. Cela signifie que c’est un langage qui est plus proche des humains que l’ordinateur. Il est également connu comme un langage de programmation à usage général en raison de sa flexibilité. Python est beaucoup utilisé en science des données.

L’apprentissage automatique concerne de nombreuses idées, langages de programmation et frameworks différents. L’apprentissage automatique est difficile à définir en une phrase ou deux. Mais essentiellement, l’apprentissage automatique donne à un ordinateur la capacité d’écrire ses propres règles ou algorithmes et d’apprendre de nouvelles choses, par lui-même. Dans ce cours, nous allons explorer quelques concepts de base du machine learning et charger des données pour faire des prédictions.

Nous utiliserons également SQL pour interagir avec les données d’une base de données PostgreSQL.

Ce que vous allez apprendre

• Comprendre le cycle de vie de la science des données
• Utiliser les ensembles de données Kaggle
• Effectuer un échantillonnage de probabilité
• Explorer et utiliser les données tabulaires
• Explorez Pandas DataFrame
• Manipuler Pandas DataFrame
• Effectuer le nettoyage des données
• Effectuer la visualisation des données
• Visualisez les données qualitatives
• Explorez les cadres de machine learning
• Comprendre l’apprentissage automatique supervisé
• Utilisez l’apprentissage automatique pour prédire la valeur d’une maison
• Utilisez Scikit-Learn
• Charger des ensembles de données
• Faire des prédictions à l’aide de l’apprentissage automatique
• Comprendre les expressions et les instructions Python
• Comprendre les types de données Python et comment convertir des types de données
• Comprendre les variables et les structures de données Python
• Comprendre le flux et les fonctions conditionnelles de Python
• Apprenez SQL avec PostgreSQL
• Effectuer des opérations SQL CRUD sur la base de données PostgreSQL
• Filtrer et trier les données à l’aide de SQL
• Comprendre les terminologies du Big Data

Un Data Scientist peut travailler comme suit:

• analyste de données.
• ingénieur en apprentissage automatique.
• analyste d’affaires.
• ingénieur de données.
• Analyste système informatique.
• consultant en analyse de données.
• responsable du marketing numérique.