Formation Data Science

Module 1 de la formation Data Science : Les outils du scientifique des données

• Mettre en place R, R-Studio, Github et d'autres outils utiles
• Expliquer les concepts essentiels de la conception d'une étude
• Comprendre les données, les problèmes et les outils utilisés par les analystes de données
• Créer un dépôt Github

Module 2 de la formation Data Science : La programmation en R

• Les concepts essentiels du langage de programmation
• Les fonctions de la boucle R et les outils de débogage
• Configurer le logiciel de programmation statistique
• Recueillir des informations détaillées à l'aide du profiler R

Module 3 de la formation Data Science : Obtenir et trier des données

• Comprendre les systèmes communs de stockage des données
• Utilisez R pour la manipulation du texte et de la date
• Appliquer les principes de base du nettoyage des données pour rendre les données / propres.
• Obtenir des données utilisables sur le web, les API et les bases de données

Module 4 de la formation Data Science : Exploration analytique de données

• Comprendre les graphiques analytiques et le système de traçage de base en R
• Réaliser des représentations graphiques de données à très haute dimension
• Utiliser des systèmes graphiques avancés tels que le système Lattice
• Appliquer les techniques d'analyse de clusters pour localiser des modèles dans les données

Module 5 de la formation Data Science : Recherche reproductible

• Organiser l'analyse des données pour les rendre plus reproductibles
• Déterminer la reproductibilité du projet d'analyse
• Rédiger une analyse de données reproductibles en utilisant le tricot
• Publier des documents Web reproductibles en utilisant la fonction de démarque (Markdown)

Module 6 de la formation Data Science : Inférence statistique

• Comprendre le processus consistant à tirer des conclusions sur les populations ou des vérités scientifiques à partir de données
• Décrire la variabilité, les distributions, les limites et les intervalles de confiance
• Utiliser des valeurs p, des intervalles de confiance et des tests de permutation
• Prendre des décisions éclairées en matière d'analyse des données

Module 7 de la formation Data Science : Modèles de régression

• Utiliser l'analyse de régression, les moindres carrés et l'inférence
• Comprendre les cas modèles d'ANOVA et d'ANCOVA
• Examiner l'analyse des résidus et de la variabilité
• Décrire les nouvelles utilisations des modèles de régression tels que le lissage des nuages de points

Module 8 de la formation Data Science : Apprentissage mécanique pratique

• Utiliser les éléments de base de la construction et de l'application des fonctions de prédiction
• Comprendre des concepts tels que les ensembles de formation et de tests, le suréquipement et les taux d'erreur
• Décrire les méthodes d'apprentissage machine telles que les arbres de régression ou de classification
• Expliquer le processus complet de construction des fonctions de prédiction

Module 9 de la formation Data Science : Développement de produits de données

• Développer des applications de base et des graphiques interactifs en utilisant GoogleVis
• Utilisez le dépliant pour créer des cartes interactives annotées
• Construire une présentation R Markdown qui inclut une visualisation des données
• Créer un produit de données qui raconte une histoire à un public de masse

Module 10 de la formation Data Science : Pojet final de science des données

• Créer un produit de données utile pour le public
• Appliquez vos compétences en matière d'analyse exploratoire des données
• Construire un modèle de prédiction efficace et précis
• Créer un dossier de présentation pour mettre en valeur ses résultats