Résultats pour l'apprenant : Après avoir suivi ce cours, vous serez capable : - d'utiliser divers services d'interface de programmation d'applications (API) pour collecter des données à partir de différentes sources de médias sociaux telles que YouTube, Twitter et Flickr ; - de traiter les données collectées - principalement structurées - en utilisant des méthodes impliquant la corrélation, la régression et la classification pour obtenir des informations sur les sources et les personnes qui ont généré ces données ; - d'analyser des données non structurées - principalement des commentaires textuels - pour les sentiments qui y sont exprimés ; - d'utiliser différents outils pour collecter, analyser et explorer les données des médias sociaux à des fins de recherche et de développement. Exemple d'histoire d'apprenant : Analyste de données souhaitant exploiter les données des médias sociaux. Isabella est une analyste de données travaillant comme consultante pour une multinationale. Elle a de l'expérience dans l'utilisation d'outils d'analyse Web et de données marketing. Elle souhaite maintenant se lancer dans l'arène des médias sociaux, en essayant d'exploiter les vastes quantités de données disponibles sur les différents canaux de médias sociaux. Plus précisément, elle souhaite voir comment leurs clients, partenaires et concurrents perçoivent leurs produits/services et en parlent. Elle espère mettre en place un nouveau processus d'analyse des données qui intègre le traitement traditionnel des données à l'aide d'outils Web et de marketing, ainsi que des méthodes plus récentes d'utilisation des données des médias sociaux. Exemples d'emplois requérant ces compétences :
- Analyste des médias sociaux - Analyste Web - Analyste de données - Marketing et relations publiques Projet final/artifact : Le cours comprendra une série de petits devoirs ou mini-projets qui impliquent la collecte, l'analyse et la présentation de données concernant diverses sources de médias sociaux en utilisant les techniques apprises en classe. Le cours a été développé par le Dr. Chirag Shah alors qu'il était membre de la faculté de l'Université Rutgers. Il est actuellement membre du corps enseignant de l'Université de Washington.
Dans ce module, vous serez initié aux concepts clés des données des réseaux sociaux et de l'analytique des données. Vous apprendrez la différence entre les données structurées et non structurées, en mettant l'accent sur la façon dont les données structurées sont analysées et sur les informations qu'elles peuvent fournir. Le module présente également les visualisations de données courantes en cours d'utilisation pour explorer et présenter les données. Ce cours suppose une expérience préalable de la programmation en Python et en R.
Inclus
5 vidéos1 lecture2 devoirs1 sujet de discussion
Afficher les informations sur le contenu du module
5 vidéos•Total 33 minutes
Introduction à l'analyse des données•3 minutes
Les données dans le monde réel•4 minutes
Données structurées et non structurées•7 minutes
Analyse des données structurées•11 minutes
Visualisation des données•9 minutes
1 lecture•Total 40 minutes
Installation et configuration de l'environnement de développement•40 minutes
2 devoirs•Total 25 minutes
Contrôle des connaissances•10 minutes
Quiz : Introduction à l'Analytique des données•15 minutes
1 sujet de discussion•Total 10 minutes
Configuration de l'environnement de développement (Aide et conseils)•10 minutes
Collecte et extraction de données sur les médias sociaux
Module 2•3 heures à terminer
Détails du module
Dans ce module, vous apprendrez à collecter des données à partir de X et YouTube à l'aide de Python. Vous commencerez par une brève introduction à Python, puis travaillerez avec des scripts Python (avec des modifications mineures) pour extraire des données de chaque plateforme. Le module explique également comment créer des comptes de développeur et obtenir les informations d'identification requises pour accéder aux API des médias sociaux. Avant de commencer, assurez-vous que Python, R et Anaconda sont installés et correctement configurés, et que vous êtes à l'aise pour installer les paquets requis, car toutes les activités de ce module dépendent de ces outils.
Inclus
4 vidéos5 lectures3 devoirs
Afficher les informations sur le contenu du module
4 vidéos•Total 55 minutes
Introduction à la collecte et à l'extraction de données sur les réseaux sociaux•3 minutes
Introduction à la programmation en Python•17 minutes
Données en cours d'utilisation d'un Python pour extraire des données de Twitter/X•24 minutes
Utiliser Python pour extraire des données de YouTube•11 minutes
5 lectures•Total 46 minutes
Errata : veuillez d'abord lire ceci•1 minute
Installation des paquets Python•5 minutes
(Facultatif) Introduction à Python pour l'économétrie, les statistiques et l'analyse de données•30 minutes
Script : x_search.py•10 minutes
Script : youtube_search.py•0 minutes
3 devoirs•Total 62 minutes
Exercice de programmation Python•2 minutes
Collecte et Interprétation des données des Réseaux sociaux•30 minutes
Téléchargement de données YouTube à l'aide de Python•30 minutes
Analyse, visualisation et exploration des données
Module 3•4 heures à terminer
Détails du module
Dans ce module, vous analyserez et visualiserez des données de réseaux sociaux du monde réel provenant de YouTube et de Yelp. Vous commencerez par appliquer des méthodes statistiques telles que la corrélation et la régression à l'ensemble de données YouTube que vous avez déjà vu. Ensuite, vous serez initié à R, une puissante plateforme d'analyse statistique, que vous utiliserez pour examiner un ensemble de données beaucoup plus important provenant de Yelp. Pour réussir, assurez-vous que vos environnements Python et R sont entièrement configurés et que vous êtes prêt à installer les nouveaux packages requis pour ce module.
Une révision rapide des concepts de corrélation et de régression est également recommandée avant de commencer.
Inclus
4 vidéos8 lectures2 devoirs2 sujets de discussion
Afficher les informations sur le contenu du module
4 vidéos•Total 87 minutes
Introduction à l'analyse, la visualisation et l'exploration des données•2 minutes
Analyser les données des réseaux sociaux en cours d'utilisation Python•26 minutes
Introduction à R•26 minutes
Analyse des données des Réseaux sociaux avec R•32 minutes
8 lectures•Total 39 minutes
Script : twitter_process.py•0 minutes
Données : iqsize.csv•0 minutes
R Guide d'installation•10 minutes
Installation des paquets R•5 minutes
Analyse statistique avec R•10 minutes
Lisez d'abord ceci•2 minutes
Scripts pour convertir json en csv•2 minutes
Visualisation de données avec ggplot2 (R) - Aide-mémoire•10 minutes
2 devoirs•Total 80 minutes
Analyse statistique des données de Twitter•30 minutes
Un défi d'analyse statistique multiplateforme•50 minutes
2 sujets de discussion•Total 20 minutes
Analyse statistique des données de Twitter•10 minutes
Visualisation de données à l'aide de R•10 minutes
Études de cas
Module 4•2 heures à terminer
Détails du module
Il est temps de mettre vos compétences à l'épreuve sur l'une des formes les plus courantes de données non structurées : le texte de X (anciennement Twitter). Dans ce module, vous réaliserez deux études de cas pratiques - tout d'abord, vous découvrirez les sentiments du public à l'aide de Python, et ensuite, vous explorerez les techniques d'exploration de texte avec R. Enfin, vous obtiendrez un résumé complet du cours et une feuille de route qui vous permettra d'utiliser vos nouvelles compétences par la suite.
Inclus
4 vidéos4 lectures2 devoirs1 sujet de discussion
Afficher les informations sur le contenu du module
4 vidéos•Total 47 minutes
Introduction : Études de cas•3 minutes
Analyse des sentiments avec les données de Twitter/X•22 minutes
Data mining de données Twitter/X•15 minutes
Conclusion•7 minutes
4 lectures•Total 20 minutes
Script : twitter_sentiments.py•0 minutes
NLTK•10 minutes
Script : text_mining_twitter.r•0 minutes
Introduction à l'analyse de réseaux avec R et statnet•10 minutes
2 devoirs•Total 60 minutes
Analyse des sentiments avec Twitter/X•30 minutes
L'analytique des textes non structurés en pratique : Exploration des sentiments et des concepts•30 minutes
1 sujet de discussion•Total 10 minutes
Analyse des sentiments avec les données de Twitter/X•10 minutes
Instructeur
Évaluations de l’enseignant
Évaluations de l’enseignant
Nous avons demandé à tous les étudiants de fournir des commentaires sur nos enseignants au sujet de la qualité de leur pédagogie.
Depuis sa fondation en 1861, l'University of Washington est un centre d'apprentissage, d'innovation, de résolution de problèmes et de renforcement de la communauté. Animés par la mission de servir le bien commun, nos étudiants, nos professeurs et notre personnel s'attaquent aux défis les plus pressants d'aujourd'hui avec courage et créativité, faisant la différence dans tout l'État de Washington - et dans le monde entier.
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’
Jennifer J.
Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’
Larry W.
Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’
Chaitanya A.
’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’
Avis des étudiants
4.1
298 avis
5 stars
52,34 %
4 stars
24,83 %
3 stars
12,75 %
2 stars
3,02 %
1 star
7,04 %
Affichage de 3 sur 298
S
SB
5·
Révisé le 5 juil. 2021
It was very interesting and very helpful to NLP students
V
VV
5·
Révisé le 2 janv. 2020
very useful course , willing to do such courses in future
M
MH
5·
Révisé le 28 juin 2020
Very Much informative, I have learnt a world class knowledge. Im so happy.
Pour accéder aux supports de cours, aux devoirs et pour obtenir un certificat, vous devez acheter l'expérience de certificat lorsque vous vous inscrivez à un cours. Vous pouvez essayer un essai gratuit ou demander une aide financière. Le cours peut proposer l'option "Cours complet, pas de certificat". Cette option vous permet de consulter tous les supports de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cela signifie également que vous ne pourrez pas acheter un certificat d'expérience.
Que recevrai-je si j'achète le certificat ?
Lorsque vous achetez un certificat, vous avez accès à tous les supports de cours, y compris les devoirs notés. Une fois le cours terminé, votre certificat électronique sera ajouté à votre page de réalisations. Vous pourrez alors l'imprimer ou l'ajouter à votre profil LinkedIn.
Une aide financière est-elle disponible ?
Oui, pour certains programmes de formation, vous pouvez demander une aide financière ou une bourse si vous n'avez pas les moyens de payer les frais d'inscription. Si une aide financière ou une bourse est disponible pour votre programme de formation, vous trouverez un lien pour postuler sur la page de description.