Les bonnes données sont le carburant qui alimente l'apprentissage automatique et l'intelligence artificielle. Dans ce module, vous apprendrez à extraire des données de différentes sources et à les nettoyer pour garantir leur qualité.

Dans ce module, vous apprendrez à mener une analyse exploratoire pour confirmer visuellement qu'il est prêt pour la modélisation de l'apprentissage automatique par l'ingénierie des caractéristiques et les transformations.

Les statistiques inférentielles et les tests d'hypothèse sont deux types d'analyse de données souvent négligés aux premiers stades de l'analyse de vos données. Ils peuvent vous donner un aperçu rapide de la qualité de vos données. Ils vous aident également à confirmer votre intuition commerciale et à prescrire ce qu'il faut analyser ensuite à l'aide de l'apprentissage automatique. Ce module examine des définitions utiles et des exemples simples qui vous aideront à commencer à créer des hypothèses autour de votre problème commercial et à les tester.

Dans ce travail, vous appliquerez les compétences acquises tout au long du cours pour analyser un ensemble de données de votre choix, provenant soit des supports de cours, soit d'une source externe. Vous effectuerez le nettoyage des données, l'ingénierie des caractéristiques, la visualisation exploratoire des données et les tests d'hypothèse pour en tirer des informations significatives. À la fin du cours, votre travail sera évalué automatiquement par un outil de notation de l'IA.