Les Data Sciences de A à Z

Data Science, Business Analytics, Data Analysis, Data Mining, Tableau, Statistiques, Modélisation, Régression, SQL, SSIS

4.44 (3289 reviews)

Udemy

platform

Français

language

Data Science

What you will 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 Gallery

Les Data Sciences de A à Z – Screenshot 1 — Screenshot 1 – Les Data Sciences de A à Z

Les Data Sciences de A à Z – Screenshot 2 — Screenshot 2 – Les Data Sciences de A à Z

Les Data Sciences de A à Z – Screenshot 3 — Screenshot 3 – Les Data Sciences de A à Z

Les Data Sciences de A à Z – Screenshot 4 — Screenshot 4 – Les Data Sciences de A à Z

Loading charts...

Les Data Sciences de A à Z

What you will 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 Gallery

Related Topics