Data Science et Machine Learning | MasterClass Python
- Descrição
- Currículo
- FAQ
- Revisões
Il s’agit du cours en ligne le plus complet pour apprendre Python, la Data Science (science des données) et le Machine Learning (apprentissage automatique). Rejoignez-nous dès maintenant pour apprendre et maîtriser ces sujets !
Que contient ce cours ?
Bienvenue dans le cours le plus complet pour apprendre en ligne la Data Science et le Machine Learning ! Cette MasterClass a été conçue pour mettre en place ce qui semble être la meilleure façon de passer de zéro à héros pour la Data Science et le Machine Learning avec Python !
Ce cours est conçu pour une personne qui connaît déjà un peu le langage Python et qui est prêt à s’immerger en profondeur dans l’utilisation de ces compétences Python pour la Data Science et le Machine Learning. Le salaire de départ typique d’un data scientist peut dépasser aisément les 100 000 euros annuel, et nous avons créé ce cours pour aider à guider les apprenants vers l’apprentissage d’un ensemble de compétences qui les rendront extrêmement intéressants (et attractifs !) dans le monde du travail actuel.
Nous couvrirons tout ce que vous devez savoir sur la stack tech (compétences techniques) complète de Data Science et Machine Learning requise dans les meilleures entreprises du monde. Nos étudiants ont obtenu des emplois chez McKinsey, Facebook, Amazon, Google, Apple, Asana et d’autres grandes entreprises technologiques !
Nous avons structuré le cours en nous appuyant sur notre expérience de l’enseignement en ligne (et en présentiel) afin de proposer une approche claire et structurée. Cela vous guidera pour comprendre non seulement comment utiliser les bibliothèques populaires de Data Science et Machine Learning, mais aussi pourquoi et quand nous les utilisons.
Ce cours est un équilibre parfait entre les études de cas pratiques issues du monde réel et la théorie mathématique qui se cache derrière les algorithmes de Machine Learning = 50% Théorique (concepts et mathématiques) – 50% pratique (implémentation code Python)
Nous couvrirons des algorithmes de Machine Learning avancés que la plupart des autres cours ne couvrent pas ! Y compris les méthodes de régularisation avancées et les méthodes d’apprentissage non supervisé les plus récentes, telles que le DBSCAN.
Ce cours complet est conçu pour être à la hauteur des Bootcamps qui coûtent généralement des milliers d’euros. Il comprendra les sujets suivants :
-
La programmation avec Python
-
NumPy avec Python
-
Apprentissage complet de Pandas pour l’analyse de données
-
Compréhension complète de la bibliothèque de programmation Matplotlib
-
Apprentissage en profondeur de Seaborn pour les visualisations de données
-
Machine Learning avec Scikit-Learn
Nous sommes extrêmement reconnaissants de la chance que nous avons d’avoir la chance de pouvoir vous enseigner des sujets qui nous passionnent comme la Data Science et le Machine Learning !
-Rod, Jose et l’équipe Pierian Data Inc.
-
1Message de bienvenue !Texto
-
2Programme du coursTexto
-
3Notice de téléchargement du contenu de la MasterClass (Code Python + Datasets)Texto
-
4Google ColabVídeo Aula
-
5Accès + Téléchargement + Utilisation de l'ensemble des ressources du coursVídeo Aula
-
6Travail en local avec la distribution Anaconda + Jupyter NotebookVídeo Aula
-
7Mise en place de l'environnement en local sur Conda + Jupyter Notebook / SpyderVídeo Aula
-
8FAQTexto
-
9Apprendre Python en accéléré (pour rappel ou rafraîchissement)Texto
-
10Cours accéléré Python - Partie 1Vídeo Aula
-
11Cours accéléré Python - Partie 2Vídeo Aula
-
12Cours accéléré Python - Partie 3Vídeo Aula
-
13Exercices PythonVídeo Aula
-
14Solutions - Exercices PythonVídeo Aula
-
15CHALLENGE PYTHON 30 JOURS (OFFERT)Texto
-
25Introduction à la bibliothèque PandasVídeo Aula
-
26Series - Partie 1Vídeo Aula
-
27Series - Partie 2Vídeo Aula
-
28DataFrames - Partie 1Vídeo Aula
-
29DataFrames - Partie 2Vídeo Aula
-
30DataFrames - Partie 3Vídeo Aula
-
31DataFrames - Partie 4Vídeo Aula
-
32Pandas - Filtrage conditionnelVídeo Aula
-
33Pandas - Méthodes utiles - Apply sur une seule colonneVídeo Aula
-
34Pandas - Méthodes utiles - Apply sur des colonnes multiplesVídeo Aula
-
35Pandas - Méthodes utiles - Informations statistiques et triage de donnéesVídeo Aula
-
36Données manquantes - Vue d'ensembleVídeo Aula
-
37Données manquantes - Opérations PandasVídeo Aula
-
38Opérations GroupBy - Partie 1Vídeo Aula
-
39Opérations GroupBy - Partie 2 - MultiIndexVídeo Aula
-
40Combinaison de DataFrames - ConcaténationVídeo Aula
-
41Combinaison de DataFrames - Fusion interneVídeo Aula
-
42Combinaison de DataFrames - Fusion gauche et droiteVídeo Aula
-
43Combinaison de DataFrames - Fusion externeVídeo Aula
-
44Combinaison de DataFrames - Fusion sur un index et des noms de clé différentsVídeo Aula
-
45Pandas - Méthodes Text pour données textuellesVídeo Aula
-
46Pandas - Méthodes Time pour des données temporellesVídeo Aula
-
47Pandas Input et Output - Fichiers CSVVídeo Aula
-
48Pandas Input et Output - Tableaux HTMLVídeo Aula
-
49Pandas Input et Output - Fichiers ExcelVídeo Aula
-
50Pandas Input et Output - Bases de données SQLVídeo Aula
-
51Pandas - Pivot TablesVídeo Aula
-
52Projet Pandas - PrésentationVídeo Aula
-
53Solutions - Projet PandasVídeo Aula
-
54Introduction à la bibliothèque de traçage MatplotlibVídeo Aula
-
55Les bases de MatplotlibVídeo Aula
-
56Matplotlib - Compréhension de l'objet FigureVídeo Aula
-
57Matplotlib - Implémenter des objets Figure et AxesVídeo Aula
-
58Matplotlib - Paramètres d'une FigureVídeo Aula
-
59Matplotlib - Fonctionnalités des sous-parcelles (subplots)Vídeo Aula
-
60Style Matplotlib - LégendesVídeo Aula
-
61Style Matplotlib - Couleurs et StylesVídeo Aula
-
62Commandes avancées de Matplotlib (Facultatif)Vídeo Aula
-
63Aperçu des exercices MatplotlibVídeo Aula
-
64Solutions MatplotlibVídeo Aula
-
65Introduction à la bibliothèque SeabornVídeo Aula
-
66Diagrammes de Dispersion - Scatter PlotsVídeo Aula
-
67Diagrammes de Distribution - Partie 1 - Les différents types de diagrammesVídeo Aula
-
68Diagrammes de Distribution - Partie 2 - Coder avec SeabornVídeo Aula
-
69Diagrammes Catégoriels - Statistique au sein des catégories - CompréhensionVídeo Aula
-
70Diagrammes Catégoriels - Statistique au sein des catégories - Code SeabornVídeo Aula
-
71Diagrammes Catégoriels - Distribution au sein de catégories - CompréhensionVídeo Aula
-
72Diagrammes Catégoriels - Distribution au sein de catégories - Code SeabornVídeo Aula
-
73Diagrammes de Comparaison - Compréhension de ce type de diagrammeVídeo Aula
-
74Diagrammes de Comparaison - Tracer avec SeabornVídeo Aula
-
75Seaborn Grids - Grilles de diagrammesVídeo Aula
-
76Diagrammes Matriciels - Matrix PlotsVídeo Aula
-
77Aperçu des Exercices SeabornVídeo Aula
-
78Solutions SeabornVídeo Aula
