Ce cours de statistiques pour la science des données est conçu pour vous présenter les principes de base des méthodes et procédures statistiques utilisées pour l'analyse des données. Après avoir terminé ce cours, vous aurez une connaissance pratique des sujets cruciaux en statistiques, y compris - la collecte de données, la synthèse des données en utilisant des statistiques descriptives, l'affichage et la visualisation des données, l'examen des relations entre les variables, les distributions de probabilité, les valeurs attendues, les tests d'hypothèse, l'introduction à l'ANOVA (analyse de la variance), la régression et l'analyse de la corrélation. Vous adopterez une approche pratique de l'analyse statistique en utilisant Python et Jupyter Notebooks - les outils de prédilection des Data Scientists et Data Analysts.

À la fin du cours, vous réaliserez un projet visant à appliquer divers concepts du cours à un problème de science des données impliquant un scénario inspiré de la vie réelle et à démontrer une compréhension de la pensée et du raisonnement statistiques fondamentaux. L'accent est mis sur le développement d'une compréhension claire des différentes approches pour différents types de données, le développement d'une compréhension intuitive, la réalisation d'évaluations appropriées des méthodes proposées, l'utilisation de Python pour analyser nos données et l'interprétation précise des résultats. Ce cours convient à une variété de professionnels et d'étudiants qui ont l'intention de commencer leur voyage dans des rôles axés sur les données et les statistiques, tels que les scientifiques de données, les analystes de données, les analystes d'affaires, les statisticiens et les chercheurs. Il n'est pas nécessaire d'avoir une formation en informatique ou en statistiques. Nous vous recommandons fortement de suivre le cours Python pour la science des données avant de commencer ce cours afin de vous familiariser avec le langage de programmation Python, les carnets Jupyter et les bibliothèques. Un rafraîchissement facultatif sur Python est également fourni. Après avoir terminé ce cours, un apprenant sera capable de : ✔Calculer et appliquer des mesures de tendance centrale et des mesures de dispersion à des données groupées et non groupées. ✔Sommatiser, présenter et visualiser des données d'une manière qui est claire, concise et fournit un aperçu pratique pour les non-statisticiens qui ont besoin des résultats. ✔Identifier les tests d'hypothèse appropriés à utiliser pour les ensembles de données courants. ✔Conduire des tests d'hypothèse, des tests de corrélation et des analyses de régression. ✔Démontrer la maîtrise de l'analyse statistique à l'aide de Python et de Jupyter Notebooks.