L'analyse de régression linéaire est essentielle pour comprendre et définir la force de la relation entre les variables. Cette analyse peut être utilisée pour faire des prédictions pour la variable étant donné la valeur d'une autre variable connue. Cette analyse peut être utilisée pour faire des prédictions pour une variable donnée en fonction de la valeur d'une autre variable connue. Ce cours fournit une vue d'ensemble de la régression linéaire. Vous apprendrez comment fonctionne la régression linéaire, comment construire des modèles de régression linéaire efficaces et comment utiliser et interpréter les informations que ces modèles nous donnent. En plus de la théorie, nous effectuerons des régressions linéaires sur des données réelles en cours d'utilisation d'Excel et de Python. Les cas pratiques sur lesquels vous travaillerez seront similaires à ceux que vous pourriez rencontrer dans un cadre professionnel.

A l'issue de ce cours, vous serez capable de : - Définir la régression linéaire et ses applications - Effectuer des calculs de régression simples "papier et crayon" dans Excel - Appliquer le plugin RegressIt d'Excel pour résoudre des calculs de régression avancés - Construire des modèles de régression linéaire en Python en utilisant à la fois les modules statsmodels et sklearn - Expliquer les hypothèses implicites derrière la régression linéaire - Interpréter les résultats de régression tels que les coefficients et les valeurs p - Recommander diverses techniques de régression le cas échéant La régression est l'outil critique utilisé pour faire des inférences ou des prédictions basées sur les relations entre les variables. Que vous travailliez en tant que chef d'entreprise ou analyste de données, la théorie et les ensembles d'outils pratiques enseignés dans ce cours vous serviront tout au long de votre carrière. Aucun antécédent de codage avec Python n'est requis pour ce cours. Les cheminements de carrière courants pour les étudiants qui suivent le programme BIDA™ sont l'Informatique décisionnelle, la Gestion des ressources, l'Analyste des données, l'Analyste quantitatif et d'autres carrières en finance.