Dans ce module, vous apprendrez ce que font les scientifiques des données lorsque leurs tâches et leurs objectifs sont de comprendre, de préparer et de nettoyer les données. Vous examinerez les objectifs, les caractéristiques et les buts du processus de modélisation des données. Vous découvrirez également comment préparer un ensemble de données en traitant les données manquantes, invalides ou trompeuses. Ensuite, consultez les laboratoires pratiques où vous pourrez acquérir de l'expérience en réalisant des tâches liées aux étapes de compréhension des données, de préparation des données, de modélisation et d'évaluation. Vous serez en mesure d'appliquer les compétences acquises à de futurs problèmes de science des données.

À l'issue de ce module, vous serez en mesure de décrire les étapes de déploiement et de retour d'expérience de la méthodologie de la science des données. Vous apprendrez à évaluer les performances, l'impact et l'état de préparation d'un modèle de données. Vous serez en mesure d'identifier les parties prenantes qui contribuent généralement à l'amélioration du modèle. Vous serez également en mesure d'expliquer pourquoi le déploiement et le retour d'information doivent être un processus itératif.Pour compléter votre expérience pratique en laboratoire, vous concevrez un problème commercial à résoudre en utilisant des données liées au courrier électronique, aux hôpitaux ou aux cartes de crédit. Vous démontrerez votre compréhension de la méthodologie de la science des données en l'appliquant à un problème donné. Vous construirez des réponses qui abordent chaque phase du CRISP-DM sur la base d'un problème commercial choisi. Après avoir soumis votre travail, celui-ci sera noté par l'IA, qui vous fournira des commentaires rapides, précis et constructifs.

Avant de réaliser votre projet final, apprenez comment la méthodologie de la science des données CRISP-DM se compare à la méthodologie fondamentale de la science des données de John Rollins. Ensuite, appliquez ce que vous avez appris pour réaliser une mission notée par l'IA en utilisant la méthodologie de science des données CRISP-DM pour résoudre un problème commercial que vous définissez. Vous jouerez d'abord le rôle du client et du scientifique des données et vous décrirez comment vous appliquerez la méthodologie de science des données CRISP-DM pour résoudre le problème de l'entreprise. Ensuite, vous jouerez le rôle d'un scientifique des données et appliquerez votre connaissance des étapes de la méthodologie des données CRISP-DM pour décrire comment vous résoudriez le problème de l'entreprise. Une fois que vous aurez soumis votre travail, celui-ci sera évalué par l'IA, qui vous fournira un retour d'information rapide, précis et constructif. C'est parti !