CURRICULUM

AG01.    Installer l'environnement Python et Jupyter, un framework puissant pour l'analyse de données

AG02.    Travailler avec Python, _cc781905-58cde-3194-bb3bcfy1

AG03.    Utiliser l'environnement de bloc-notes Jupyter

AG04.    Concepts de programmation en Python

AG05.    Différentes structures de données en Python

AG06.    How to work with various data formats within python, including JSON, and  _cc781905 -5cde-3194-bb3b-136bad5cf58d_         _cc781905-5cde-3194- bb3b-136bad5cf58d_           _cc781905- 5cde-3194-bb3b-136bad5cf58d_MS-Excel Worksheets

AG07.    Learn Numpy - une bibliothèque de calcul scientifique commune

AG08.    Se familiariser avec Pandas pour le traitement de données structurelles

AG09.    Création de tableaux de bord de visualisations informatifs, utiles et beaux à l'aide des bibliothèques Matplotlib et Seaborn en Python

AG10.    Se familiariser avec le clustering dans l'exploration de données

AG11.    Python data science handbook outils essentiels pour travailler avec des données

AG12.    Apprenez les techniques courantes d'analyse de données statistiques en python

AG13.    Prévision de données avec prévision de séries temporelles ou chronologiques

AG14.    Basic Statistics for data science course covering standard deviation, covariance,  _cc781905- 5cde-3194-bb3b-136bad5cf58d_ corrélation, autocorrélation

AG15.    Cycle de vie d'un projet d'apprentissage automatique

AG16.    La vie d'un Data analyst, Data scientist

AG17.    Exécution pas à pas pour la création d'un modèle d'apprentissage automatique

AG18.    Introduction à l'apprentissage automatique

AG19.    Classification et vue d'ensemble des différentes techniques d'apprentissage automatique

AG20.    Utilisez scikit-Learn (sklearn) pour les tâches d'apprentissage automatique

AG21.    Comprendre les types de données et leurs utilisations

AG22.    Se familiariser avec la régression linéaire simple

AG23.    Généralisation de la prédiction de la variable continue avec la régression linéaire multiple

AG24.    Méthode de vérification croisée pour créer de meilleurs modèles

AG25.    Évaluation du modèle à l'aide de plusieurs techniques telles que RMSE

​

​

​​