University of California San Diego

Spécialisation "Produits de données Python pour l'analyse prédictive"

University of California San Diego

Spécialisation "Produits de données Python pour l'analyse prédictive"

Construire des systèmes prédictifs avec précision.

Collecter, modéliser et déployer des systèmes basés sur des données en utilisant Python et l'apprentissage automatique.

Julian McAuley
Ilkay Altintas

Instructeurs : Julian McAuley

15 668 déjà inscrits

Inclus avec Coursera PlusEn savoir plus

Approfondissez votre connaissance d’un sujet

des 313 examens de cours de ce programme

niveau Intermédiaire
Certaines connaissances prérequises
4 semaines à compléter
à 10 heures par semaine
Approfondissez votre connaissance d’un sujet

des 313 examens de cours de ce programme

niveau Intermédiaire
Certaines connaissances prérequises
4 semaines à compléter
à 10 heures par semaine

Ce que vous apprendrez

  • Découvrez comment transformer les données et les adapter à des tâches prédictives basées sur les données

  • Comprendre comment calculer des statistiques de base à l'aide d'ensembles de données réelles sur les activités des consommateurs, telles que les évaluations de produits et autres

  • Utilisez Python pour créer des visualisations de données interactives afin de faire des prédictions significatives et de construire des systèmes de démonstration simples

  • Effectuer des régressions et des classifications simples sur des ensembles de données à l'aide de bibliothèques d'apprentissage automatique

Compétences que vous acquerrez

  • Catégorie : Modélisation prédictive
  • Catégorie : Penser la conception
  • Catégorie : Apprentissage supervisé
  • Catégorie : Visualisation des données
  • Catégorie : Visualisation interactive des données
  • Catégorie : Manipulation de données
  • Catégorie : Ingénierie des fonctionnalités
  • Catégorie : Apprentissage statistique des machines
  • Catégorie : Analyse prédictive
  • Catégorie : Traitement des données
  • Catégorie : Apprentissage automatique
  • Catégorie : Modèle de formation
  • Catégorie : Évaluation du modèle
  • Catégorie : MLOps (Machine Learning Operations)
  • Catégorie : Modélisation statistique
  • Catégorie : Méthodes d'apprentissage automatique

Outils que vous découvrirez

  • Catégorie : Déploiement du modèle
  • Catégorie : Cadres Web
  • Catégorie : Algorithmes de classification
  • Catégorie : Programmation Python

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Enseigné en Anglais
Planning flexible
Apprenez à votre propre rythme

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

 logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

Améliorez votre expertise en la matière

  • Acquérez des compétences recherchées auprès d’universités et d’experts du secteur
  • Maîtrisez un sujet ou un outil avec des projets pratiques
  • Développez une compréhension approfondie de concepts clés
  • Obtenez un certificat professionnel auprès de University of California San Diego

Spécialisation - série de 4 cours

Traitement et visualisation des données de base

Traitement et visualisation des données de base

COURS 1, 11 heures

Ce que vous apprendrez

  • Élaborer une stratégie de données et un processus concernant la manière dont les données seront générées, collectées et utilisées

  • Charger et traiter des ensembles de données formatés tels que CSV et JSON.

  • Traiter les données dans différents formats (par exemple, horodatage, chaînes de caractères) et filtrer et "nettoyer" les ensembles de données en supprimant les valeurs aberrantes, etc.

  • Expérience de base avec des bibliothèques de traitement de données telles que numpy et l'ingestion de données avec urllib, requêtes

Compétences que vous acquerrez

Catégorie : Traitement des données
Catégorie : Logiciel de visualisation de données
Catégorie : Matplotlib
Catégorie : JSON
Catégorie : Manipulation de données
Catégorie : NumPy
Catégorie : Programmation Python
Catégorie : Récupération de données sur le Web
Catégorie : Fichier E/S
Catégorie : Pandas (paquetage Python)
Catégorie : Visualisation des données
Catégorie : Prétraitement des données
Catégorie : Analyse des données
Catégorie : Nettoyage des données
Catégorie : Visualisation interactive des données
Catégorie : Science des données
Catégorie : Importation/exportation de données

Ce que vous apprendrez

Compétences que vous acquerrez

Catégorie : Analyse de régression
Catégorie : Ingénierie des fonctionnalités
Catégorie : Nettoyage des données
Catégorie : Tensorflow
Catégorie : Optimisation du modèle
Catégorie : Modèle de formation
Catégorie : Apprentissage supervisé
Catégorie : Analyse prédictive
Catégorie : Régression logistique
Catégorie : Algorithmes de classification
Catégorie : Manipulation de données
Catégorie : Modélisation statistique
Catégorie : Modélisation prédictive
Catégorie : Scikit Learn (Bibliothèque d'apprentissage automatique)
Catégorie : Apprentissage statistique des machines
Catégorie : Méthodes d'apprentissage automatique
Catégorie : Traitement des données
Catégorie : Penser la conception
Une modélisation prédictive pertinente

Une modélisation prédictive pertinente

COURS 3, 9 heures

Ce que vous apprendrez

  • Comprendre les définitions des mesures d'erreur simples (par exemple, MSE, exactitude, précision/rappel).

  • Évaluez la performance des régresseurs / classificateurs à l'aide des mesures ci-dessus.

  • Comprendre la différence entre la performance de la formation/du test et la généralisabilité.

  • Comprendre les techniques permettant d'éviter le surajustement et d'obtenir de bonnes performances en matière de généralisation.

Compétences que vous acquerrez

Catégorie : Évaluation du modèle
Catégorie : Modélisation prédictive
Catégorie : Modèle de formation
Catégorie : Optimisation du modèle
Catégorie : Apprentissage supervisé
Catégorie : Analyse de régression
Catégorie : Exploration de texte
Catégorie : Analyse prédictive
Catégorie : Algorithmes de classification
Catégorie : Apprentissage automatique appliqué
Catégorie : Modélisation statistique
Catégorie : Traitement du langage naturel
Catégorie : Vérification et validation
Catégorie : Programmation Python
Déployer des modèles d'apprentissage automatique

Déployer des modèles d'apprentissage automatique

COURS 4, 11 heures

Ce que vous apprendrez

  • Structure du projet d'applications de données interactives en Python

  • Cadres de serveurs web Python : (par exemple) Flask, Django, Dash

  • Meilleures pratiques en matière de déploiement de modèles de ML et de suivi des performances

  • Scripts de déploiement, modèles de sérialisation, API

Compétences que vous acquerrez

Catégorie : Django (Framework Web)
Catégorie : Flask (Framework Web)
Catégorie : Apprentissage automatique appliqué
Catégorie : Optimisation du modèle
Catégorie : MLOps (Machine Learning Operations)
Catégorie : Programmation Python
Catégorie : Manipulation de données
Catégorie : Personnalisation de l'IA
Catégorie : Déploiement du modèle
Catégorie : Apprentissage automatique
Catégorie : Nettoyage des données
Catégorie : Applications Web
Catégorie : Algorithmes d'apprentissage automatique
Catégorie : Modélisation prédictive
Catégorie : Évaluation du modèle
Catégorie : Cadres Web
Catégorie : Prétraitement des données

Obtenez un certificat professionnel

Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.

Instructeurs

Julian McAuley
University of California San Diego
5 Cours35 374 apprenants

Offert par

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 sur Produits de données Python pour l'analyse prédictive

moyenne sur l'ensemble des 4 cours

  • 5 étoiles

    62,41 %

  • 4 étoiles

    19,95 %

  • 3 étoiles

    8,12 %

  • 2 étoiles

    3,94 %

  • 1 étoile

    5,56 %

PA
Cours : Traitement et visualisation des données de base

Révisé le 29 juin 2022

AM
Cours : Design Thinking et analyse prédictive pour les produits de données

Révisé le 7 mai 2021

PT
Cours : Une modélisation prédictive pertinente

Révisé le 31 mars 2021

Foire Aux Questions