Les organisations du monde entier utilisent les données pour prédire les comportements et extraire des informations précieuses sur le monde réel afin de prendre des décisions éclairées. La gestion et l'analyse des big data sont devenues une partie essentielle de la finance moderne, du commerce de détail, du marketing, des sciences sociales, du développement et de la recherche, de la médecine et du gouvernement. Ce MOOC, conçu par une équipe académique de Goldsmiths, University of London, vous introduira rapidement aux concepts de base de la science des données pour vous préparer aux cours intermédiaires et avancés de science des données. Il se concentre sur les mathématiques de base, les statistiques et les compétences de programmation qui sont nécessaires pour les tâches typiques d'analyse de données.


Principes Fondamentaux de la Science des Données : Regroupement de K-Means en Python


Principes Fondamentaux de la Science des Données : Regroupement de K-Means en Python



Instructeurs : Professor Matthew Yee-King
77 030 déjà inscrits
Inclus avec En savoir plus
Demander à Coursera
735 avis
Expérience recommandée
Ce que vous apprendrez
Définir et expliquer les concepts clés du regroupement de données
Démontrer une compréhension des principales constructions et caractéristiques du langage Python.
Implémentez en Python les principales étapes de l'algorithme K-means.
Concevoir et exécuter un processus complet de regroupement de données et interpréter les résultats.
Compétences que vous acquerrez
- Catégorie : Apprentissage non supervisé
- Catégorie : Analyse des données
- Catégorie : Visualisation des données
- Catégorie : Algorithmes d'apprentissage automatique
- Catégorie : Apprentissage automatique
- Catégorie : Méthodes statistiques
- Catégorie : Manipulation de données
- Catégorie : Maîtrise des données
- Catégorie : Analyse
- Catégorie : Tracé (graphique)
- Catégorie : Statistiques
- Catégorie : Traitement des données
- Catégorie : Statistiques descriptives
- Catégorie : Science des données
- Catégorie : Apprentissage automatique appliqué
Outils que vous découvrirez
- Catégorie : Pandas (paquetage Python)
- Catégorie : NumPy
- Catégorie : Programmation Python
Détails à connaître

Ajouter à votre profil LinkedIn
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

Il y a 5 modules dans ce cours
Instructeurs


En savoir plus sur Apprentissage automatique
Statut : Essai gratuitUniversity of London
Statut : Essai gratuit
Statut : Essai gratuitGoogle
Statut : Essai gratuit
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
Avis des étudiants
- 5 stars
72,65 %
- 4 stars
20 %
- 3 stars
4,35 %
- 2 stars
1,08 %
- 1 star
1,90 %
Affichage de 3 sur 735
Révisé le 16 juil. 2023
Great course for beginners. I really enjoyed the data science projects and I wish we had few more of the projects to use the knowlege gained.
Révisé le 11 juil. 2022
I learnt alot, a very good foundation course. It made me have more interest in learning more in Data Science particularly using Python language
Révisé le 3 juil. 2020
Highly recommended to anyone who wants to delve into data science. The instruuctors, the universities and Coursera team are well dedicated and the course is of high quality.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Foire Aux Questions
Plus de questions
Aide financière disponible,
¹ Certains travaux de ce cours sont notés par l'IA. Pour ces travaux, vos Données internes seront utilisées conformément à Notification de confidentialité de Coursera.



