Pearson

Spécialisation "Data Science Fundamentals, Part 2"

Économisez sur les compétences qui vous font briller avec 40 % de réduction sur 3 mois de Coursera Plus. Économisez maintenant

Ce spécialisation n'est pas disponible en Français (France)

Nous sommes actuellement en train de le traduire dans plus de langues.
Pearson

Spécialisation "Data Science Fundamentals, Part 2"

Applied Data Science with Python.

Analyze realworld datasets, building applications, & applying machine learning with Python’s PyData

Pearson
Jonathan Dinu

Instructeurs : Pearson

Inclus avec Coursera Plus

Approfondissez votre connaissance d’un sujet
niveau Débutant

Expérience recommandée

4 semaines à compléter
à 5 heures par semaine
Planning flexible
Apprenez à votre propre rythme
Approfondissez votre connaissance d’un sujet
niveau Débutant

Expérience recommandée

4 semaines à compléter
à 5 heures par semaine
Planning flexible
Apprenez à votre propre rythme

Ce que vous apprendrez

  • Acquire, clean, and manipulate real-world data using Python libraries, APIs, and databases, and perform exploratory data analysis and visualization.

  • Build, evaluate, and interpret statistical and machine learning models to make predictions and draw inferences from complex datasets.

  • Apply best practices in hypothesis testing, A/B testing, and model validation to solve practical problems and communicate results effectively.

Compétences que vous acquerrez

  • Catégorie : A/B Testing
  • Catégorie : Box Plots
  • Catégorie : Data Analysis
  • Catégorie : Data Science
  • Catégorie : Descriptive Statistics
  • Catégorie : Exploratory Data Analysis
  • Catégorie : Machine Learning
  • Catégorie : Matplotlib
  • Catégorie : Model Evaluation
  • Catégorie : Plot (Graphics)
  • Catégorie : Predictive Analytics
  • Catégorie : Predictive Modeling
  • Catégorie : Regression Analysis
  • Catégorie : Sampling (Statistics)
  • Catégorie : Statistical Inference
  • Catégorie : Statistical Methods
  • Catégorie : Statistical Modeling
  • Catégorie : Statistical Hypothesis Testing

Outils que vous découvrirez

  • Catégorie : NumPy
  • Catégorie : Python Programming

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Enseigné en Anglais

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 Pearson

Spécialisation - série de 3 cours

Data Science Fundamentals Part 2: Unit 1

Data Science Fundamentals Part 2: Unit 1

COURS 1, 8 heures

Ce que vous apprendrez

  • Gain a foundational understanding of Exploratory Data Analysis (EDA) and its historical context.

  • Develop practical skills in Python data visualization using matplotlib and seaborn.

  • Learn to identify and interpret relationships and correlations within datasets using advanced charting techniques.

  • Recognize and avoid common pitfalls in data analysis, including mixed effects and Simpson’s Paradox.

Compétences que vous acquerrez

Catégorie : Exploratory Data Analysis
Catégorie : Histogram
Catégorie : Scatter Plots
Catégorie : Box Plots
Catégorie : Matplotlib
Catégorie : Seaborn
Catégorie : Data Visualization Software
Catégorie : Correlation Analysis
Catégorie : Statistical Analysis
Catégorie : Descriptive Statistics
Catégorie : Data Literacy
Catégorie : Data Analysis
Catégorie : Descriptive Analytics
Catégorie : Statistical Visualization
Catégorie : Plot (Graphics)
Catégorie : Statistics
Catégorie : Analytical Skills
Data Science Fundamentals Part 2: Unit 2

Data Science Fundamentals Part 2: Unit 2

COURS 2, 6 heures

Ce que vous apprendrez

  • Master foundational and modern techniques for statistical inference and data analysis.

  • Apply computational and sampling-based approaches to real-world data problems.

  • Conduct hypothesis tests and optimize processes using A/B testing methodologies.

  • Distinguish between correlation and causation to ensure robust, actionable insights.

Compétences que vous acquerrez

Catégorie : Estimation
Catégorie : A/B Testing
Catégorie : Statistical Hypothesis Testing
Catégorie : Correlation Analysis
Catégorie : Analysis
Catégorie : Statistical Analysis
Catégorie : Data Analysis
Catégorie : Statistics
Catégorie : Statistical Methods
Catégorie : Probability & Statistics
Catégorie : Statistical Inference
Catégorie : Sampling (Statistics)
Data Science Fundamentals Part 2: Unit 3

Data Science Fundamentals Part 2: Unit 3

COURS 3, 9 heures

Ce que vous apprendrez

  • Build and evaluate statistical models to predict outcomes using Python libraries such as SciPy, NumPy, and Scikit-learn.

  • Understand and apply the fundamentals of probability, statistical distributions, and regression analysis.

  • Identify and overcome common challenges in model fitting and performance evaluation.

  • Distinguish between statistical inference and prediction, and leverage machine learning algorithms for real-world applications.

Compétences que vous acquerrez

Catégorie : Machine Learning
Catégorie : Regression Analysis
Catégorie : Probability & Statistics
Catégorie : Statistical Modeling
Catégorie : Scikit Learn (Machine Learning Library)
Catégorie : Model Evaluation
Catégorie : Predictive Analytics
Catégorie : Statistical Inference
Catégorie : Predictive Modeling
Catégorie : Estimation
Catégorie : Statistical Methods
Catégorie : Performance Metric
Catégorie : Business Analytics
Catégorie : Statistical Analysis
Catégorie : Data Science
Catégorie : Machine Learning Algorithms
Catégorie : Probability Distribution
Catégorie : Data Analysis

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

Pearson
Pearson
268 Cours59 381 apprenants

Offert par

Pearson

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.’

Foire Aux Questions