Johns Hopkins University
Spécialisation Science des données : Statistiques et apprentissage automatique
Johns Hopkins University

Spécialisation Science des données : Statistiques et apprentissage automatique

Roger D. Peng, PhD
Brian Caffo, PhD
Jeff Leek, PhD

Instructeurs : Roger D. Peng, PhD

38 900 déjà inscrits

Inclus avec Coursera Plus

Approfondissez votre connaissance d’un sujet
4.5

(620 avis)

niveau Intermédiaire
Certaines connaissances prérequises
3 mois
à 10 heures par semaine
Planning flexible
Apprenez à votre propre rythme
Approfondissez votre connaissance d’un sujet
4.5

(620 avis)

niveau Intermédiaire
Certaines connaissances prérequises
3 mois
à 10 heures par semaine
Planning flexible
Apprenez à votre propre rythme

Ce que vous apprendrez

  • Effectuer des analyses de régression, des moindres carrés et des déductions à l'aide de modèles de régression.

  • Construire et appliquer des fonctions de prédiction

  • Développer des produits de données publiques

Compétences que vous acquerrez

  • Catégorie : Plotly
  • Catégorie : Inférence statistique
  • Catégorie : Analyse de régression
  • Catégorie : Algorithmes d'apprentissage automatique
  • Catégorie : Rmarkdown
  • Catégorie : Visualisation interactive des données
  • Catégorie : Shiny (Package (R))
  • Catégorie : Analyse des Données
  • Catégorie : Probabilité
  • Catégorie : Tests d'hypothèses statistiques
  • Catégorie : Modélisation prédictive
  • Catégorie : Ingénierie des caractéristiques

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 Johns Hopkins University

Spécialisation - 5 séries de cours

Inférence statistique

Inférence statistique

COURS 154 heures

Ce que vous apprendrez

  • Comprendre le processus consistant à tirer des conclusions sur des populations ou des vérités scientifiques à partir de données

  • Décrire la variabilité, les distributions, les limites et les intervalles de confiance

  • Utiliser les valeurs p, les intervalles de confiance et les tests de permutation

  • Prendre des décisions éclairées en matière d'analyse des données

Compétences que vous acquerrez

Catégorie : Analyse des Données
Catégorie : Échantillonnage (statistiques)
Catégorie : Probabilité
Catégorie : Probabilités et statistiques
Catégorie : Distribution de probabilité
Catégorie : Modélisation statistique
Catégorie : Statistiques bayésiennes
Catégorie : Détermination de la taille de l'échantillon
Catégorie : Inférence statistique
Catégorie : Analyse statistique
Catégorie : Tests d'hypothèses statistiques
Catégorie : Méthodes statistiques
Catégorie : Statistiques
Modèles de régression

Modèles de régression

COURS 253 heures

Ce que vous apprendrez

  • Utiliser l'analyse de régression, les moindres carrés et l'inférence

  • Comprendre les cas de modèles ANOVA et ANCOVA

  • Étudier l'analyse des résidus et de la variabilité

  • Décrire les nouvelles utilisations des modèles de régression, telles que le lissage du nuage de points

Compétences que vous acquerrez

Catégorie : Apprentissage supervisé
Catégorie : Traitement des données
Catégorie : Analyse de régression
Catégorie : Arbre de classification et de régression (CART)
Catégorie : Apprentissage automatique
Catégorie : Collecte de données
Catégorie : Arbre de décision
Catégorie : Modélisation prédictive
Catégorie : Ingénierie des caractéristiques
Catégorie : Algorithme de forêt aléatoire
Catégorie : Apprentissage statistique des machines
Catégorie : Apprentissage automatique appliqué
Catégorie : Algorithmes d'apprentissage automatique
Catégorie : La programmation en R

Ce que vous apprendrez

  • Utiliser les éléments de base de la construction et de l'application des fonctions de prédiction

  • Comprendre des concepts tels que les ensembles d'entraînement et de test, l'ajustement excessif et les taux d'erreur

  • Décrire les méthodes d'apprentissage automatique telles que la régression ou les arbres de classification

  • Expliquez le processus complet de construction des fonctions de prédiction

Compétences que vous acquerrez

Catégorie : GitHub
Catégorie : Interface utilisateur (UI)
Catégorie : Dépliant (logiciel)
Catégorie : Shiny (Package (R))
Catégorie : HyperText Markup Language (HTML)
Catégorie : Rapports statistiques
Catégorie : Plotly
Catégorie : Applications Web
Catégorie : Rmarkdown
Catégorie : Présentation des données
Catégorie : Gestion des paquets et des logiciels
Catégorie : Visualisation interactive des données
Catégorie : Visualisation de Données
Catégorie : Logiciel de Visualisation de Données
Catégorie : La programmation en R

Ce que vous apprendrez

  • Développer des applications de base et des graphiques interactifs à l'aide de GoogleVis

  • Utilisez Leaflet pour créer des cartes interactives annotées

  • Construire une présentation R Markdown qui inclut une visualisation de données

  • Créer un produit de données qui raconte une histoire à un large public

Compétences que vous acquerrez

Catégorie : Nettoyage des données
Catégorie : Présentation des données
Catégorie : Analyse des Données
Catégorie : Analyse exploratoire des données (AED)
Catégorie : Traitement du langage naturel (NLP)
Catégorie : Science des données
Catégorie : Manipulation de données
Catégorie : Modélisation prédictive
Catégorie : Storytelling de données
Catégorie : Analyse statistique
Catégorie : Apprentissage automatique
Catégorie : Collecte de données
Catégorie : La programmation en R

Ce que vous apprendrez

  • Créer un produit de données utile pour le public

  • Appliquer vos compétences en matière d'analyse exploratoire des données

  • Construire un modèle de prédiction efficace et précis

  • Produire un dossier de présentation pour exposer vos résultats

Compétences que vous acquerrez

Catégorie : Science des données
Catégorie : Modélisation prédictive
Catégorie : Analyse de régression
Catégorie : Probabilités et statistiques
Catégorie : Modélisation statistique
Catégorie : Inférence statistique
Catégorie : Analyse statistique

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

Roger D. Peng, PhD
Johns Hopkins University
37 Cours1 642 012 apprenants
Brian Caffo, PhD
Johns Hopkins University
30 Cours1 669 406 apprenants

Offert par

Partenaires du secteur

Partenaire 1

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.’
Coursera Plus

Ouvrez de nouvelles portes avec Coursera Plus

Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.

Faites progresser votre carrière avec un diplôme en ligne

Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne

Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires

Améliorez les compétences de vos employés pour exceller dans l’économie numérique

Foire Aux Questions