S'initier à la Data Science et à ses enjeux
- Duration: 6 weeks
- Effort: 15 hours
- Pace: Self paced
- Enrollment
- From Aug. 4, 2021 to Nov. 21, 2022
- Course
- From Nov. 22, 2021 to Nov. 21, 2022
- Languages
- French
What you will learn
At the end of this course, you will be able to:
- Connaître les principaux concepts de la Data Science (données, variables, fouille de données, prétraitement, tests statistiques)
- Maîtriser les techniques les plus communes de la fouille de données (analyse multivariée, clustering, text mining, analyse de réseaux sociaux, etc.)
- Pouvoir distinguer, en Machine Learning, l’apprentissage supervisé de l’apprentissage non supervisé. Pouvoir positionner le Machine Learning par rapport à l’intelligence artificielle.
- Connaître les principes sous-tendant les réseaux de neurones (architecture, fonctions d’activation, backpropagation, etc.), ainsique les applications du Deep Learning (Deep Fakes, etc.)
- Être capable de réfléchir sur les enjeux sociétaux associés au progrès de la Data Science et de l’intelligence artificielle
Description
La Big data, et plus généralement l’analyse de données, occupent une place de plus en plus importante au sein des stratégies de nombreuses organisations. Suivi de performance, analyse des comportements, découvertes de nouvelles opportunités de marché : les applications sont multiples, et intéressent des secteurs variés. Du e-commerce à la finance, en passant par les transports et la santé, les entreprises ont besoin de talents formés à la collecte, au stockage, mais aussi au traitement et à la modélisation des données.
Ce MOOC s’adresse à toute personne désireuse de découvrir les bases de la Data Science, quel que soit son niveau. Centrés sur la découverte des concepts à travers des vidéos, quiz et débats, les cours et activités permettent de s’initier aux enjeux de la collecte, analyse et gestion des données.
Format
Ce MOOC est composé de cinq modules de cours thématiques, ainsi que d’un module de réflexion pour aller plus loin dans la compréhension des enjeux de la Data Science dans le monde d’aujourd’hui. Vidéos, quiz et débats sont autant d’outils qui vous permettront de développer ou approfondir vos connaissances.
Tous les modules seront mis en ligne simultanément, vous permettant de suivre les cours à votre rythme. Les thématiques sont indépendantes, afin de vous permettre d’adapter l’ordre et les thématiques à suivre en fonction de vos centres d’intérêt.
Prerequisites
Ce MOOC s’adresse à tous les publics sans pré-requis
Assessment and certification
Les quiz hebdomadaires ainsi que le quiz final vous permettront d’évaluer l’acquisition de vos connaissances.
Une attestation de suivi sera délivrée à la fin du MOOC en cas de validation de l’ensemble des modules.
Course plan
- Module 1 : Concepts de base de la Data Science
- Module 2 : De la collecte à l'analyse des données
- Module 3 : Fouille de données et apprentissage non-supervisé
- Module 4 : Du Machine Learning au Deep Learning
- Module 5 : Repousser les limites de l'Intelligence Artificielle
Other course runs
Course team
Matthieu Cisel
Mélusine Blondel
Organizations
License
License for the course content
Attribution-NonCommercial-ShareAlike
You are free to:
- Share — copy and redistribute the material in any medium or format
- Adapt — remix, transform, and build upon the material
Under the following terms:
- Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
- NonCommercial — You may not use the material for commercial purposes.
- ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
License for the content created by course participants
Attribution-NonCommercial-ShareAlike
You are free to:
- Share — copy and redistribute the material in any medium or format
- Adapt — remix, transform, and build upon the material
Under the following terms:
- Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
- NonCommercial — You may not use the material for commercial purposes.
- ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.