Dans ce module, nous nous familiariserons avec les deux packages les plus importants pour la science des données : Numpy et Pandas. Nous commencerons par apprendre les différences entre les deux packages. Ensuite, nous nous familiariserons avec les tableaux np et leurs fonctionnalités. L'ajout de texte transforme nos tableaux en tables et donne naissance au module Pandas. Après une introduction de base, nous terminerons par une série d'outils de manipulation de données importants tels que l'indexation, la fusion/combinaison d'ensembles de données et le remodelage des données.

Dans ce module, nous travaillerons à partir de la base pour construire et tester notre hypothèse. En apprenant à la fois la théorie et le code, nous apprendrons à tester nos prédictions avec différents types d'algorithmes d'apprentissage automatique. Nous commencerons par passer par les étapes de prétraitement des données nécessaires pour nous orienter. Pour se familiariser avec l'utilisation de la bibliothèque Scikit-Learn, il faut d'abord consulter la documentation. Ensuite, nous chargerons un ensemble de données et analyserons certaines de ses propriétés les plus élémentaires. Enfin, nous importerons et utiliserons des modèles pour faire des prédictions.

Dans le projet final, nous essaierons de prédire la présence d'une maladie cardiaque à l'aide de données de patients. Nous chargerons des données, créerons de nouvelles caractéristiques et appliquerons un algorithme d'apprentissage automatique à l'aide de scikit-learn.