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
76 879 déjà inscrits
Inclus avec
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 : Maîtrise des données
- Catégorie : Science des données
- Catégorie : Manipulation de données
- Catégorie : Statistiques descriptives
- Catégorie : Apprentissage automatique appliqué
- Catégorie : Statistiques
- Catégorie : Algorithmes d'apprentissage automatique
- Catégorie : Tracé (graphique)
- Catégorie : Apprentissage automatique
- Catégorie : Analyse
- Catégorie : Apprentissage non supervisé
- Catégorie : Traitement des données
- Catégorie : Visualisation des données
- Catégorie : Analyse des données
- Catégorie : Méthodes statistiques
Outils que vous découvrirez
- Catégorie : NumPy
- Catégorie : Pandas (paquetage Python)
- 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 : PrévisualisationUniversity of Leeds
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 19 déc. 2022
Overall, a great experience but labs could have been better, and few instructors were not very detailed in their approach.
Révisé le 28 juin 2020
Very interesting course! The lecturers explain concepts thoroughly which makes the concepts easy to understand even for people without much knowledge in Data Science
Révisé le 12 févr. 2025
The content is beginner-friendly and gives students the tools they need to begin understanding how to use Python for Data Science.
Ouvrez de nouvelles portes avec Coursera Plus
Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.
Faites progresser votre carrière avec un diplôme en ligne
Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne
Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires
Améliorez les compétences de vos employés pour exceller dans l’économie numérique
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.