La manipulation des données, ou prétraitement des données, est une première étape essentielle pour parvenir à une analyse précise et complète de vos données. Ce processus transforme vos données brutes dans un format qui peut être facilement catégorisé ou mis en correspondance avec d'autres données, créant ainsi des relations prévisibles entre elles et facilitant la construction des modèles dont vous avez besoin pour répondre aux questions concernant vos données. Ce module présente une introduction au prétraitement des données dans R et vous fournit ensuite les outils dont vous avez besoin pour identifier et traiter les valeurs manquantes dans votre ensemble de données, transformer les formats de données pour les aligner sur d'autres données auxquelles vous souhaitez les comparer, normaliser vos données, créer des catégories d'informations grâce à la classification des données, et convertir les variables catégorielles en valeurs quantitatives qui peuvent ensuite être utilisées dans des analyses basées sur des données numériques.

L'analyse exploratoire des données, ou AED, est une approche de l'analyse des données qui résume leurs principales caractéristiques et vous aide à mieux comprendre l'ensemble des données, à découvrir les relations entre les différentes variables et à extraire les variables importantes pour le problème que vous essayez de résoudre. La principale question à laquelle vous essayez de répondre dans ce module est la suivante : "Quelles sont les causes des retards des vols ?" Dans ce module, vous apprendrez quelques techniques utiles d'analyse exploratoire des données qui vous aideront à répondre à cette question.

Vous avez identifié le problème que vous essayez de résoudre, vous avez prétraité l'ensemble de données que vous utiliserez dans votre analyse et vous avez effectué une analyse exploratoire des données pour répondre à certaines de vos questions initiales. Il est maintenant temps de développer votre modèle et d'évaluer la solidité de vos hypothèses. Dans ce module, vous examinerez le développement d'un modèle en essayant de prédire le retard à l'arrivée d'un vol à l'aide de l'ensemble de données des compagnies aériennes. Vous apprendrez les techniques de régression pour déterminer la corrélation entre les variables de votre ensemble de données et évaluerez le résultat à la fois visuellement et par le calcul de métriques.

Vous avez une bonne compréhension de vos données et vous les avez prétraitées pour obtenir les meilleurs résultats possibles. Vous avez effectué une analyse exploratoire des données et développé votre modèle. Tout semble bon jusqu'à présent, mais comment pouvez-vous être certain que votre modèle fonctionne dans le monde réel et qu'il offre des performances optimales ? Dans ce module, vous apprendrez à utiliser le cadre des tidymodèles pour évaluer votre modèle. Tidymodels est une collection de paquets pour la modélisation et l'apprentissage automatique utilisant les principes de tidyverse. À l'aide de ces packages, vous apprendrez à effectuer une validation croisée de vos modèles, à identifier les problèmes potentiels, tels que le surajustement et le sous-ajustement, et à traiter les problèmes de surajustement à l'aide d'une technique appelée régularisation. Vous apprendrez également à ajuster vos modèles à l'aide de la recherche en grille.