University of Colorado Boulder

Méthodes d'exploration de données

University of Colorado Boulder

Méthodes d'exploration de données

Ce cours fait partie de Spécialisation "Fondements et pratiques du Data Mining"

Qin (Christine) Lv

Instructeur : Qin (Christine) Lv

10 140 déjà inscrits

Inclus avec Coursera Plus

En savoir plus

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

72 avis

niveau Intermédiaire

Expérience recommandée

Planning flexible
2 semaines à 10 heures une semaine
Apprenez à votre propre rythme
Préparer un diplôme
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

72 avis

niveau Intermédiaire

Expérience recommandée

Planning flexible
2 semaines à 10 heures une semaine
Apprenez à votre propre rythme
Préparer un diplôme

Ce que vous apprendrez

  • Identifier les principales fonctionnalités de la modélisation des données dans le pipeline d'exploration des données

  • Appliquer les techniques qui peuvent être utilisées pour réaliser les fonctionnalités de base de la modélisation des données et expliquer comment elles fonctionnent.

  • Évaluer les techniques de modélisation des données, déterminer celle qui convient le mieux à une tâche particulière et identifier les améliorations potentielles.

Compétences que vous acquerrez

  • Catégorie : Algorithmes
  • Catégorie : Apprentissage non supervisé
  • Catégorie : Évaluation du modèle
  • Catégorie : Algorithmes d'apprentissage automatique
  • Catégorie : Détection des anomalies
  • Catégorie : Apprentissage automatique
  • Catégorie : Réseau bayésien
  • Catégorie : Apprentissage supervisé
  • Catégorie : Science des données
  • Catégorie : Réseaux neuronaux artificiels
  • Catégorie : Analyse de corrélation
  • Catégorie : Méthodes d'apprentissage automatique
  • Catégorie : Exploration de données
  • Catégorie : Apprentissage par arbre de décision
  • Catégorie : Analyse des données

Outils que vous découvrirez

  • Catégorie : Algorithmes de classification

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Évaluations

1 devoir

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires
logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation "Fondements et pratiques du Data Mining"
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.
  • Apprenez de nouveaux concepts auprès d'experts du secteur
  • Acquérez une compréhension de base d'un sujet ou d'un outil
  • Développez des compétences professionnelles avec des projets pratiques
  • Obtenez un certificat professionnel partageable

Il y a 4 modules dans ce cours

Cette semaine commence par une présentation de ce cours, Méthodes d'exploration de données, puis se concentre sur l'analyse des motifs fréquents, y compris l'algorithme Apriori et l'algorithme FP-growth pour l'exploration des items fréquents, ainsi que sur les règles d'association et l'analyse des corrélations.

Inclus

15 vidéos6 lectures1 devoir1 devoir de programmation1 sujet de discussion

Cette semaine présente l'apprentissage supervisé, la classification, la prédiction et couvre plusieurs méthodes de classification de base, notamment l'induction par arbre de décision, la classification bayésienne, les machines à vecteurs de support, les réseaux neuronaux et les méthodes d'ensemble. Elle aborde également l'évaluation et la comparaison des modèles de classification.

Inclus

9 vidéos1 devoir de programmation

Cette semaine vous présente l'apprentissage non supervisé, le clustering, et couvre plusieurs méthodes de clustering de base, notamment le partitionnement, le clustering hiérarchique, le clustering basé sur une grille, le clustering basé sur la densité et le clustering probabiliste. Des sujets avancés pour le clustering en haute dimension, le bi-clustering, le clustering de graphe et le clustering basé sur les contraintes sont également abordés.

Inclus

8 vidéos1 lecture1 devoir de programmation

Cette semaine aborde trois types de valeurs aberrantes (globales, contextuelles et collectives) et la manière dont différentes méthodes peuvent être utilisées pour identifier et analyser ces valeurs aberrantes. Elle aborde également certaines méthodes avancées d'exploration de données complexes, ainsi que les frontières de la recherche dans le domaine de l'exploration de données.

Inclus

8 vidéos1 évaluation par les pairs

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.

Préparer un diplôme

Ce site cours fait partie du (des) programme(s) diplômant(s) suivant(s) proposé(s) par University of Colorado Boulder. Si vous êtes admis et que vous vous inscrivez, les cours que vous avez suivis peuvent compter pour l'apprentissage de votre diplôme et vos progrès peuvent être transférés avec vous.¹

Instructeur

Évaluations de l’enseignant
(16 évaluations)
Qin (Christine) Lv
University of Colorado Boulder
3 Cours17 674 apprenants

Offert par

University of Colorado Boulder

En savoir plus sur Analyse des données

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

  • 5 stars

    66,66 %

  • 4 stars

    19,44 %

  • 3 stars

    1,38 %

  • 2 stars

    6,94 %

  • 1 star

    5,55 %

Affichage de 3 sur 72

YW

Révisé le 23 avr. 2026

Voir plus d’avis

Foire Aux Questions

Plus de questions

Aide financière disponible,