Dans ce module, vous explorerez les compétences Excel essentielles pour faire face aux situations professionnelles typiques que vous pourriez rencontrer à l'avenir. Le vocabulaire et les fonctions d'Excel enseignés tout au long de ce module vous permettront de comprendre les feuilles de calcul Excel explicatives supplémentaires qui accompagnent les vidéos ultérieures de ce cours.

La séparation des collections en deux catégories, telles que "acheter ce stock, ne pas acheter ce stock" ou "cibler ce client avec une offre spéciale, mais pas celui-là" est l'objectif ultime de la plupart des projets d'analyse de données commerciales. Il existe un vocabulaire spécialisé de mesures permettant de comparer et d'optimiser les performances des algorithmes utilisés pour classer les collections en deux groupes. Vous apprendrez comment et pourquoi appliquer ces différentes mesures, y compris comment calculer la très importante aire sous la courbe ROC (Receiver Operating Characteristic).

Dans ce module, vous apprendrez à calculer et à appliquer l'entropie, une mesure de l'incertitude d'une utilité vitale, contrairement à la probabilité qui représente l'incertitude d'un seul résultat Contrairement à la "probabilité", plus familière, qui représente l'incertitude qu'un seul résultat se produise, l'"entropie" quantifie l'incertitude globale de tous les résultats possibles. La mesure de l'entropie fournit le cadre de la responsabilité dans le travail d'analyse des données. L'entropie vous permet de quantifier l'incertitude des résultats futurs pertinents pour votre entreprise à deux reprises : en utilisant les meilleures estimations disponibles avant de commencer un projet, puis après avoir construit un modèle prédictif. La différence entre les deux mesures est le gain d'information apporté par votre travail.

La mesure de corrélation linéaire est une mesure d'évaluation des associations beaucoup plus riche qu'on ne le pense généralement. Vous pouvez l'utiliser pour quantifier dans quelle mesure un modèle linéaire réduit l'incertitude. Lorsqu'elle est utilisée pour prévoir des résultats futurs, elle peut être convertie en une "estimation ponctuelle" plus un "intervalle de confiance", ou convertie en une mesure de gain d'information. Vous développerez une connaissance approfondie de ces concepts et des nombreuses utilisations précieuses de la régression linéaire dans l'analyse des données commerciales. Ce module vous apprend également à utiliser le théorème de la limite centrale (CLT) pour résoudre des problèmes pratiques. Les deux sujets sont étroitement liés car la régression et le CLT utilisent tous deux une famille spéciale de distributions de probabilités appelées "gaussiennes" Vous apprendrez tout ce que vous devez savoir pour travailler avec les gaussiennes dans ces contextes et dans d'autres.

Ce module vous permet d'acquérir des concepts et des compétences supplémentaires utiles à la construction de modèles de haute qualité. Comme vous le savez, un "modèle" est une description d'un processus appliqué aux données disponibles (entrées) qui produit une estimation d'un résultat futur et encore inconnu en tant que sortie. Très souvent, les modèles de résultats prennent la forme d'une distribution de probabilités. Ce module explique comment estimer des distributions de probabilités à partir de données (un "histogramme de probabilités") et comment décrire et générer les distributions de probabilités les plus utiles utilisées par les scientifiques des données. Il explique également en détail comment développer un modèle de classification binaire avec des paramètres optimisés pour maximiser l'AUC, et comment appliquer des modèles de régression linéaire lorsque vos données d'entrée sont constituées de plusieurs types de données pour chaque événement. Le module se termine par une explication du "surajustement", qui est la principale raison pour laquelle des modèles prédictifs apparemment bons échouent souvent dans des contextes professionnels réels. Nous concluons par quelques conseils sur la manière d'éviter l'ajustement excessif dans votre propre modèle prédictif pour le projet final - et dans la vie réelle

Le projet final du cours est une évaluation complète qui couvre l'ensemble du matériel du cours et qui consiste en quatre quiz et un devoir d'évaluation par les pairs. Pour le premier et le deuxième quiz, il y a des points d'apprentissage qui expliquent des éléments du quiz. Ces points d'apprentissage ne seront débloqués que lorsque vous aurez obtenu la note de passage au test. Avant de commencer, veuillez lire les instructions relatives au projet final. D'après l'expérience des étudiants, le projet final, qui comprend tous les quiz et l'évaluation par les pairs, prend entre 10 et 12 heures.