Understand

Débutant en données · après des bases de Python

Data science et analyse de données

Bêta Ce cours est en version bêta. Les leçons, les exercices et les traductions sont encore en cours de relecture et peuvent changer. Signalez tout ce qui vous semble faux avec le bouton de retour.

Le métier de data scientist ne consiste pas à produire des graphiques. Il consiste à répondre à une question et à dire jusqu'où l'on peut se fier à la réponse. Vous apprendrez à cadrer des questions, à nettoyer des données en documentant ce que vous avez modifié, à simuler les statistiques jusqu'à ce qu'elles prennent sens, à interroger des bases de données et à communiquer les limites aussi clairement que les résultats. Les exercices s'exécutent et sont vérifiés dans votre navigateur ; rien à installer avant le projet final.

Modules
14
Leçons
39
Durée
~29 heures
Projets
3
Commencer

Ce que tu sauras faire

  • Transformer une demande vague en une question à laquelle des données peuvent réellement répondre
  • Nettoyer un tableau désordonné avec pandas et documenter chaque transformation
  • Expliquer par la simulation la variabilité d'échantillonnage, les intervalles de confiance, les valeurs p, la puissance et les tests multiples
  • Distinguer corrélation et causalité, et analyser correctement une expérience randomisée
  • Écrire du SQL analytique avec des jointures, des expressions de table communes (CTE) et des fonctions de fenêtrage
  • Choisir des graphiques qui ne trompent pas et montrer l'incertitude
  • Livrer une enquête reproductible en énonçant ses limites

Pour qui

Les personnes qui savent écrire des fonctions et des boucles en Python et qui veulent travailler sérieusement avec des données, y compris celles à qui l'on a enseigné les statistiques comme une liste de formules.

Ce qu'il te faut

Les fonctions, boucles, listes et dictionnaires de Python (les premiers niveaux du cours de Python). L'algèbre du lycée. Aucune statistique n'est requise. Tous les chapitres sont ouverts : passez ce que vous savez déjà. pandas télécharge environ 10 Mo la première fois qu'un exercice l'utilise.

Ce que tu vas construire

  • The Delivery Delays
  • Bike-Sharing Demand Analysis
  • Independent Data Investigation

Programme

Penser avec les donnéesLes questions, les preuves et les outils du travail numérique. 3 modules · 8 leçons
  1. 1 L'état d'esprit de la data scienceLes questions avant le code, la provenance avant les graphiques.
  2. 2 Penser en tableauxNumPy, formes, vectorisation et l'algèbre linéaire dont l'apprentissage automatique se sert vraiment.
  3. 3 Les nombres en mémoireBroadcasting, dtypes et pièges des nombres flottants.
Préparer les donnéespandas, jointures, enregistrements désordonnés et rapports de qualité des données. 2 modules · 8 leçons
  1. 4 pandas et les tableauxSélectionner, grouper, joindre et remodeler, sans perdre de lignes par accident.
  2. 5 Nettoyer les données, et le direValeurs manquantes, enregistrements invalides, valeurs aberrantes, doublons, temps et rapports.
Inférence et expériencesCe que les échantillons peuvent dire du monde, et quand on peut parler de causes. 3 modules · 8 leçons
  1. 6 Décrire et échantillonnerRésumés, probabilités, et pourquoi les échantillons varient.
  2. 7 Estimation et testsIntervalles de confiance, valeurs p, puissance, et leurs usages abusifs.
  3. 8 Expériences et causesFacteurs de confusion, paradoxe de Simpson et tests A/B.
Pratique professionnelleVisualisation, SQL, exploration et communication. 4 modules · 9 leçons
  1. 9 Visualiser honnêtementEncodages, incertitude et graphiques qui ne mentent pas.
  2. 10 SQL pour l'analyseJointures, CTE, fonctions de fenêtrage et requêtes de qualité des données.
  3. 11 Analyse exploratoire des donnéesProfiler, segmenter, enquêter, et garder l'exploration séparée de la confirmation.
  4. 12 L'analyse professionnelleRapports reproductibles, vie privée, et dire aux gens ce qu'ils ont besoin d'entendre.
EnquêtesDes études de cas de moins en moins guidées, puis votre propre projet final. 2 modules · 6 leçons
  1. 13 Études de casMoins de guidage à chaque fois.
  2. 14 Projet finalVotre propre enquête, de la question à une conclusion défendable.