Les Data Sciences de A à Z
4.5 (1,926 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
8,979 students enrolled

Les Data Sciences de A à Z

Data Science, Business Analytics, Data Analysis, Data Mining, Tableau, Statistiques, Modélisation, Régression, SQL, SSIS
Bestseller
4.5 (1,926 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
8,979 students enrolled
Last updated 11/2017
French
Current price: $139.99 Original price: $199.99 Discount: 30% off
5 hours left at this price!
30-Day Money-Back Guarantee
This course includes
  • 19.5 hours on-demand video
  • 1 article
  • 7 downloadable resources
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
Training 5 or more people?

Get your team access to 4,000+ top Udemy courses anytime, anywhere.

Try Udemy for Business
What you'll learn
  • Réaliser correctement toutes les étapes d'un projet complexe de Data Science
  • Créer des Visualisations dans Tableau
  • Faire du Data Mining dans Tableau
  • Comprendre comment appliquer le test du khi-deux
  • Appliquer la méthode des Moindres Carrés Ordinaires pour faire des Régressions Linéaires
  • Evaluer tous types de modèles grâce au R-Squared
  • Evaluer tous types de modèles grâce au Adjusted R-Squared
  • Créer un modèle de Régression Linéaire Simple
  • Créer un modèle de Régression Linéaire Multiple
  • Créer des Dummy Variables
  • Interpréter les coefficients de la Régression Linéaire Multiple
  • Lire des outputs de modèles de Régression Linéaire
  • Utiliser les méthodes de Backward Elimination, Forward Selection et Bidirectional Elimination pour créer des modèles statistiques
  • Créer un modèle de Régression Logistique
  • Intégrer l'intuition de la Régression Logistique
  • Analyser les False Positives & False Negatives et comprendre la différence
  • Lire une Matrice de Confusion
  • Créer un Modèle Robuste de Segmentation Géo-Démographique
  • Transformer des variables indépendantes pour la modélisation
  • Dériver des variables indépendantes pour la modélisation
  • Vérifier la présence de multicolinéarité en utilisant le VIF (Variance Inflation Factor)
  • Avoir l'intuition de la multicolinéarité
  • Utiliser la courbe CAP (Cumulative Accuracy Profile) pour évaluer des modèles
  • Construire la courbe CAP dans Excel
  • Utiliser le Training set et le Test set pour construire des modèles robustes
  • Tirer des insights de votre courbe CAP
  • Comprendre le Odds Ratio
  • Tirer des business insights des coefficients d'une Régression Logistique
  • Comprendre à quoi ressemble la détérioration de modèle
  • Appliquer trois niveaux de maintenance de modèle pour empêcher la détérioration de modèle
  • Installer et utiliser SQL Server
  • Installer et utiliser Microsoft Visual Studio Shell
  • Nettoyer les données et chercher des anomalies
  • Utiliser SSIS (SQL Server Integration Services) pour uploader vos données dans une base de données
  • Créer des Conditional Splits dans SSIS
  • Gérer les erreurs de Text Qualifier
  • Créer des scripts dans SQL
  • Tirer profit de SQL pour des projets de Data Science
  • Créer des procédures stockées dans SQL
  • Présenter des projets de Data Science à des directeurs ou à un public
Course content
Expand all 207 lectures 19:30:08
+ Que sont les Data Sciences ?
4 lectures 17:32
Intro (ce que vous allez apprendre dans cette section)
00:48
Les domaines des Data Sciences
06:09
Important: Approches du cours
04:59
+ Introduction à Tableau
10 lectures 41:23
Intro (ce que vous allez apprendre dans cette section)
00:27
Installer Tableau Desktop et Tableau Public
04:45
Description du challenge et des données
02:13
Connecter Tableau à un fichier CSV
04:18
Naviguer dans Tableau - Mesures et Dimensions
05:46
Créer un calculated field
04:19
Ajouter des couleurs
04:41
Ajouter des labels et changer le format
07:10
Exporter votre worksheet
05:07
Récapitulatif de la section
02:37
+ Utiliser Tableau pour le Data Mining
9 lectures 40:10
Intro (ce que vous allez apprendre dans cette section)
00:36
Obtenir le Dataset
04:49
Connecter Tableau à un fichier Excel
03:15
Visualiser un A-B test dans Tableau
05:04
Travailler avec les Aliases
04:12
Ajouter une Reference Line
03:40
Chercher des anomalies
06:56
Une astuce pratique pour valider votre approche
07:53
Récapitulatif de la section
03:45
+ Data Mining avancé avec Tableau
10 lectures 01:18:55
Intro (ce que vous allez apprendre dans cette section)
00:45
Créer des bins et visualiser des distributions
08:44
Créer un test de classification pour une variable numérique
03:21
Combiner deux graphes et travailler avec dans Tableau
06:57
Valider le Data Mining dans Tableau avec un test du khi-deux
11:22
Test du khi-deux quand il y a plus de deux catégories
07:56
Visualiser le solde et la distribution du salaire estimé
07:56
Bonus: Test du khi-deux Partie 1 (Tutoriel de Stats)
19:29
Bonus: Test du khi-deux Partie 2 (Tutoriel de Stats)
07:44
Récapitulatif de la section
04:41
Les bases de Tableau
5 questions
+ Rappels de Statistiques
6 lectures 30:04
Intro (ce que vous allez apprendre dans cette section)
00:29
Types de variables: Catégorique vs Numérique
04:53
Types de régressions
07:31
Méthode des moindres carrés ordinaires
02:33
R-squared
05:05
Adjusted R-squared
09:33
+ Régression Linéaire Simple
6 lectures 20:25
Intro (ce que vous allez apprendre dans cette section)
00:33
Introduction à Gretl
02:25
Obtenir le dataset
02:42
Importer les données et faire des statistiques descriptives
03:42
Lire des outputs de Régression Linéaire Simple
06:36
Tracer et analyser un graphe
04:27
+ Régression Linéaire Multiple
10 lectures 01:14:42
Intro (ce que vous allez apprendre dans cette section)
01:10
Attention: les hypothèses de la Régression Linéaire Multiple
02:00
Obtenir le dataset
03:39
Les Dummy Variables
07:29
Le piège des Dummy Variables
02:37
Manières de construire un modèle: BACKWARD, FORWARD, STEPWISE
16:41
Backward Elimination - Un peu de pratique
17:58
Utiliser le Adjusted R-squared pour créer des modèles robustes
09:24
Interpréter les coefficients de la Régression Linéraire Multiple
09:26
Récapitulatif de la section
04:18
Requirements
  • Seulement une passion pour la réussite
  • Tous les logiciels utilisés dans ce cours sont disponibles gratuitement ou en démo
Description

Ce cours est la traduction française du cours de Data Sciences le plus vendu sur Udemy.

Extrêmement Utile...Incroyablement Pratique...Ultra Réaliste !

Il ne s'agit pas de l'un de ces cours utopiques où tout fonctionne parfaitement de manière irréaliste. Ce cours vous prépare au monde réel.

Dans ce cours vous allez vivre l'expérience réelle d'un Data Scientist, et cela inclut tous les moments difficiles qu'il peut ressentir dans son travail au quotidien: données corrompues, anomalies, irrégularités, tous les obstacles auxquels doit faire face le data scientist !

Ce cours va vous faire voyager dans le monde entier des Data Sciences. A l'issue de ce voyage, vous saurez:

  • Comment nettoyer et préparer vos données pour vos analyses
  • Comment bien visualiser vos données
  • Comment créer des modèles
  • Comment faire des prédictions
  • Et finalement, comment présenter vos découvertes et impressionner votre public


Ce cours va si bien vous préparer à la réalité du métier de Data Scientist que vous jonglerez avec vos divers projets de Data Science. Vous serez si bien entraînés et si bien formés que le monde réel sera pour vous un jeu d'enfant. Vous aurez des travaux à faire tout seul, si provocants et si challengings qu'ils vont vous mettre dans tous vos états... Mais vous n'abandonnerez pas ! Vous vaincrez !

Dans ce cours vous développerez une bonne maîtrise des outils suivants:

  • Tableau
  • SQL
  • SSIS
  • Gretl


Ce cours vous propose différentes approches préparées pour vous en fonction de vos besoins et objectifs. En utilisant ces approches, vous pouvez parcourir le cours et combiner les sections dans VOTRE PROPRE voyage qui va vous mener aux compétences dont VOUS avez besoin.

Ou bien sûr vous pouvez faire le cours en entier et vous former pour une incroyable carrière en Data Science.

Le choix est le votre. Rejoignez-nous dans ce voyage et commencez à apprendre dès aujourd'hui !

A très vite.

Bien à vous,

Kirill Eremenko & Hadelin de Ponteves


Who this course is for:
  • Toute personne intéressée par les Data Sciences
  • Toute personne souhaitant améliorer ses compétences en data mining
  • Toute personne souhaitant améliorer ses compétences en modélisation statistique
  • Toute personne souhaitant améliorer ses compétences en préparation de données
  • Toute personne souhaitant améliorer ses compétences en communication et présentation