À la fin de ce cours, les apprenants seront en mesure d'appliquer les statistiques bayésiennes pour la prise de décision dans les contextes commerciaux et de soins de santé, de mettre en œuvre des modèles probabilistes dans Excel et d'effectuer des tests A/B et multi-variants avancés à l'aide de Python. Le cours commence par une introduction pratique au raisonnement bayésien dans Excel, où vous apprendrez à structurer les ensembles de données, à calculer les probabilités conjointes et conditionnelles, et à mettre à jour les probabilités a priori avec des exemples de soins de santé du monde réel. Vous vous entraînerez à construire des tables de probabilités bayésiennes, à interpréter les résultats de tests répétés et à analyser les performances prédictives pour une prise de décision basée sur des preuves. Ensuite, le cours passe aux statistiques bayésiennes computationnelles avec Python. Vous acquerrez une expérience pratique de l'échantillonnage de la chaîne de Markov Monte Carlo (MCMC), des distributions postérieures approximatives à l'aide de PyMC et explorerez les modèles hiérarchiques pour les tests A/B et multi-variants. Ce cours se distingue par sa double approche : des bases simples basées sur Excel pour une application immédiate, suivies d'implémentations Python avancées pour l'expérimentation évolutive et l'intégration de l'apprentissage automatique.