Ce cours introduira l'apprenant aux bases de l'environnement de programmation python, y compris les techniques fondamentales de programmation python telles que les lambdas, la lecture et la manipulation des fichiers csv, et la bibliothèque numpy. Le cours introduira les techniques de manipulation et de nettoyage des données en utilisant la célèbre bibliothèque python pandas data science et introduira l'abstraction des Series et DataFrame en tant que structures de données centrales pour l'analyse des données, ainsi que des tutoriels sur la façon d'utiliser efficacement des fonctions telles que groupby, merge, et pivot tables. A la fin de ce cours, les étudiants seront capables de prendre des données tabulaires, de les nettoyer, de les manipuler et d'effectuer des analyses statistiques inférentielles de base.
Introduction à la science des données en Python
Profitez de l'une de nos meilleures offres et renforcez vos compétences avec 50 % de réduction sur Coursera Plus. Économisez maintenant.
Introduction à la science des données en Python
Ce cours fait partie de Spécialisation "Science des Données Appliquée avec Python"
Instructeur : Christopher Brooks
862 191 déjà inscrits
Inclus avec
27,292 avis
Ce que vous apprendrez
Comprendre des techniques telles que les lambdas et la manipulation de fichiers csv
Décrire les fonctions et caractéristiques courantes de Python utilisées pour la science des données
Interroger les structures DataFrame pour les nettoyer et les traiter
Expliquer les distributions, l'échantillonnage et les tests t
Compétences que vous acquerrez
- Catégorie : Transformation des données
- Catégorie : Analyse statistique
- Catégorie : Probabilités et statistiques
- Catégorie : Traitement des données
- Catégorie : Science des données
- Catégorie : Manipulation de données
- Catégorie : Nettoyage des données
- Catégorie : Traitement des données
- Catégorie : Analyse des données
- Catégorie : Méthodes statistiques
- Catégorie : Importation/exportation de données
- Catégorie : Prétraitement des données
- Catégorie : Exploration de texte
- Catégorie : Tableaux croisés dynamiques et graphiques
- Catégorie : Principes de programmation
Outils que vous découvrirez
- Catégorie : NumPy
- Catégorie : Programmation Python
- Catégorie : Pandas (paquetage Python)
Détails à connaître
Ajouter à votre profil LinkedIn
9 devoirs
Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées
Élaborez votre expertise du sujet
- 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
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.
Instructeur
Offert par
En savoir plus sur Analyse des données
University of Michigan
University of Michigan
University of Michigan
University of Michigan
Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?
Felipe M.
Jennifer J.
Larry W.
Chaitanya A.
Avis des étudiants
- 5 stars
66,35 %
- 4 stars
24,22 %
- 3 stars
5,36 %
- 2 stars
1,92 %
- 1 star
2,12 %
Affichage de 3 sur 27292
Révisé le 27 juil. 2020
Quizzes were very challenging and interesting. I learned alot. The main drawback in this course is that the materials are insufficient to answer the assignments.And some questions were not so clear.
Révisé le 20 févr. 2017
This course was fast paced but the material was interesting and not to complex. I can only recommend this course to anyone interested in Data Science and who already has a basic knowledge of Python.
Révisé le 18 juil. 2022
An excellent course offered by the university of michigan which provides the basic knowledge required for starting career in data science and the concepts explianing by the proffesors were profound.
Foire Aux Questions
Plus de questions
Aide financière disponible,