Statistique pour la Data Science
4.4 (21 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.
74 students enrolled

Statistique pour la Data Science

Développez des connaissances fondamentales solides en Statistique à partir de zéro pour devenir Data Scientist
Bestseller
4.4 (21 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.
74 students enrolled
Created by Charles Bordet
Last updated 1/2020
French
Price: $99.99
30-Day Money-Back Guarantee
This course includes
  • 7 hours on-demand video
  • 1 article
  • 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
  • Les bases fondamentales des statistiques
  • Les bases fondamentales des probabilités
  • Comment calculer des probabilités
  • Comment calculer des permutations et des combinaisons
  • Qu'est-ce qu'une variable aléatoire ?
  • Les lois de probabilités d'une variable aléatoire
  • La loi normale (ou gaussienne)
  • Comment faire de l'estimation statistique ?
  • Comment construire des intervalles de confiance ?
  • Comment modéliser une régression linéaire
Course content
Expand all 68 lectures 07:12:55
+ Les Fondamentaux de la Statistique
10 lectures 01:04:12
Quiz : Statistique vs Probabilité
3 questions
Introduction et Présentation
00:15
Quiz : Types de Variables
3 questions
Quiz : Moyenne et Médiane
3 questions
Quantiles
07:23
Quiz intermédiaire
4 questions
Variance et Écart-Type
08:59
Quiz : Variance et Écart-Type
3 questions
Covariance
08:53
Coefficient de Corrélation de Pearson
09:17
Corrélation n'est pas Causalité (et autres pièges)
11:11
Quiz sur les fondamentaux
3 questions
+ Introduction aux Probabilités
13 lectures 01:39:53
Introduction au chapitre
00:43
C'est quoi les Probabilités ?
04:52
C'est quoi une probabilité ?
05:56
Quiz : C'est quoi une probabilité ?
3 questions
Intersection, Union, et Complémentaire
09:11
Quiz : Intersection, Union, et Complémentaire
3 questions
Événements indépendants et dépendants
07:56
Quiz : Événements indépendants et dépendants
2 questions
Probabilités conditionnelles
07:19
Calcul de probabilités - Étape 1
12:21
Calcul de probabilités - Étape 2
07:29
Quiz - Calculs de probabilités
3 questions
Loi des probabilités totales
09:31
Le Théorème de Bayes
10:51
Quiz - Le Théorème de Bayes
3 questions
Permutations
09:44
Quiz - Permutations
4 questions
Combinaisons
07:09
Quiz - Combinaisons
2 questions
Calcul de dénombrement
06:51
+ Variables aléatoires discrètes
11 lectures 01:03:18
Introduction au chapitre
00:39
Qu'est-ce qu'une variable aléatoire ?
03:21
La fonction de masse
04:49
Quiz - La fonction de masse
1 question
La fonction de répartition
06:20
L'espérance mathématique
08:09
Quiz - L'espérance mathématique
3 questions
Transformation des variables aléatoires
08:34
Quiz - Transformation des variables aléatoires
2 questions
La variance mathématique
04:28
Quiz - La variance mathématique
1 question
Covariance et Corrélation de Pearson
04:35
Loi de Bernoulli
08:27
Loi binomiale
09:29
Quiz - Loi binomiale
3 questions
Loi binomiale : Espérance et Variance
04:27
+ Variables aléatoires continues
9 lectures 01:00:28
Introduction au chapitre
00:34
La fonction de répartition
08:04
Quiz - La fonction de répartition
1 question
La fonction de densité - Étape 1
11:53
La fonction de densité - Étape 2
06:43
Quiz - La fonction de densité
1 question
L'espérance mathématique
05:32
La variance mathématique
04:42
La loi normale - Étape 1
08:46
La loi normale - Étape 2
04:51
La loi normale centrée réduite
09:23
Quiz - La loi normale
3 questions
+ Échantillonage et Estimation Statistique
10 lectures 01:01:41
Introduction au chapitre
00:39
À quoi sert la Statistique ?
09:12
Échantillon et Population
04:34
Les biais de sélection
07:46
Quiz : Les biais de sélection
2 questions
Qu'est-ce qu'un estimateur statistique ?
05:57
Quiz - Estimateur statistique
2 questions
L'estimateur de la moyenne
04:48
Biais et variance - Étape 1
09:03
Biais et variance - Étape 2
07:17
Quiz - Biais et variance
3 questions
L'estimateur de la variance
08:39
L'estimateur de la variance corrigé
03:46
+ Intervalles de Confiance
6 lectures 29:34
Introduction au chapitre
00:40
Qu'est-ce qu'un intervalle de confiance ?
04:19
Loi de l'estimateur de la moyenne (variance connue)
05:45
Loi de l'estimateur de la moyenne (variance inconnue)
04:01
Intervalle de confiance de la moyenne (variance connue)
10:08
Intervalle de confiance de la moyenne (variance inconnue)
04:41
Quiz - Intervalles de confiance
3 questions
+ Tests d'hypothèses
9 lectures 53:48
Introduction au chapitre
00:50
Qu'est-ce qu'un test statistique ?
03:49
Hypothèses nulle et Hypothèse alternative
05:09
Erreurs de type I et II
04:45
Cas pratique de test statistique
06:23
Cas pratique de test statistique (suite)
06:27
Cas pratique - Calcul des risques
10:02
Intuition des tests statistiques
09:44
Test Z
06:39
Requirements
  • Connaissances de mathématiques niveau lycée
Description

Vous apprendrez les bases fondamentales des Statistiques et deviendrez autonome dans vos analyses statistiques :


  • Les bases indispensables en probabilités : calcul de probabilités, variable aléatoire, loi de probabilité, densité, fonction de répartition, etc.

  • L'estimation statistique pour comprendre la théorie sur laquelle les modèles statistiques et de machine learning se reposent.

  • Comment construire un intervalle de confiance, et la méthode générale pour être autonome dans toutes les situations.

  • Comprendre la régression linéaire, le modèle statistique le plus utilisé et le plus généraliste.


--- Pourquoi Statistique pour la Data Science ? ---


Depuis quelques années, le domaine de la Data Science a explosé.

Promesses de salaire élevé...

Promesses de travail à fort impact...

Promesses d'embauche rapide...

Le job a tout pour plaire ! Et en plus.. c'est plutôt fun de faire de la data science ;)

Sauf que...

Il faut beaucoup de compétences.

Deep Learning, Python, R, Statistiques, SQL, Spark, Hadoop, NoSQL, Git, Jenkins, Tensorflow, ...

La liste paraît infinie.

Heureusement, de nombreuses formations ont vu le jour !

Aujourd'hui, on peut accéder à des formations sur Python, sur R, sur le Deep Learning, et sur de nombreux sujets.

Mais..

Des formations en statistique ?

Elles se font rare.

Et d'autres requièrent des connaissances en statistiques et mathématiques :

« Je souhaite intégrer la formation dédié sur OpenClassrooms. Mais je manque des pré-requis mathématiques pour la débuter. »


--- C'est pourquoi j'ai voulu créer le meilleur cours possible de Statistique pour la Data Science. ---

Voici les cinq raisons qui font que Statistique pour la Data Science est le meilleur cours de statistiques que vous trouverez :


1. STRUCTURE PROGRESSIVE

Les stats, c'est dur.

C'est pourquoi Statistique pour la Data Science part de zéro. On commence par des concepts basiques, comme la moyenne, la médiane, la variance, ou la corrélation.

Et peu à peu, on va accumuler les connaissances et progresser dans les probabilités puis les statistiques.

2. EXPLICATIONS CLAIRES ET CONCISES

Ce cours m'a pris plus de 100 heures à préparer.

Pourquoi ?

Parce que chaque explication a été pensée et repensée pour être la plus claire et concise possible.

Je sais que les statistiques représentent des concepts difficiles à assimilier, et que des explications à rallonge ne font qu'apporter de la confusion.

Chaque vidéo représente UN concept, il est développé en moins de 10 minutes, puis mis en pratique par la suite.

3. QUIZZES & EXERCICES

Chaque concept de ce cours est d'abord expliqué pour que vous assimiliez la théorie et développiez une intuition des statistiques.

Ensuite, vous pourrez valider vos connaissances et continuer à apprendre au travers de quizzes et d'exercices.

À chaque fois que j'ai pu, j'ai repris des exemples de ma propre expérience. En tant que freelance data scientist, il m'arrive régulièrement d'utiliser des concepts statistiques.

4. AUTONOMIE

L'objectif de ce cours n'est pas de voir les statistiques en surface et vous donner l'impression que vous connaissez tout.

Non.

Attention : Ce cours ne sera pas facile. Il contient des formules mathématiques et on fera des calculs compliqués ensemble.

Mais ce cours fera de vous un adepte des statistiques autonome grâce à l'accumulation des connaissances fondamentales. Vous saurez utiliser ces connaissances pour aller au-delà du cours, faire vos propres tests statistiques, lire un livre de statistiques avancées, ou analyser le fonctionnement d'un algorithme de Machine Learning.

5. SOUTIEN DIRECT

Vous ne comprenez pas un concept ?

Vous êtes bloqué sur un exercice ?

Je suis là avec vous.

Ce cours a vocation d'être amélioré, enrichi, et complété au fil du temps selon VOTRE besoin. J'ai déjà des tonnes d'idées d'améliorations et je travaille déjà dessus.

Mais n'hésitez pas à faire entendre votre voix si vous pensez qu'un concept important n'a pas été abordé.


J'ai voulu créer le meilleur cours de statistique possible. À vous à présent de vous en servir pour devenir le data scientist le plus accompli possible.

- Charles

Who this course is for:
  • Vous voulez devenir data scientist et cherchez à acquérir un socle fondamental solide en statistique
  • Vous avez des connaissances de statistique qui datent de vos études et vous souhaitez faire une piqûre de rappel
  • Vous souhaitez devenir data scientist ou statisticien
  • Vous voulez comprendre comment fonctionnent les algorithmes en Machine Learning et les modèles en Statistique