Analyser les données grâce à la statistique


Analyser les données grâce à la statistique

Catalogue : machine learning



Objectif :

  • S’initier aux bases du domaine de Data science.
  • Mettre en œuvre une analyse statistique, comme un outil d’aide à la décision, en synthétisant les résultats sous la forme de résumés numériques et graphiques pour les diffuser.
  • Pratiquer les techniques statistiques de traitement, manipulation et analyse de données à travers une familiarisation avec les outils du logiciel Python.
  •  

Le programme:

Terminologie et méthodologie de travail 

  •  A propos des statistiques
  •  Terminologie
  • Méthodologie de travail

Préparation des données sous Python

  •  Introduction
  • Les types d’objets 
  • Importation des données sous Python
  • Manipulation et nettoyage des données sous python
  • Traitement des données sous Python
  • Exemples pratiques sous Python (bibliothèques : Numpy et pandas)

 

Analyse unidimensionnelle des données 

  • Introduction à l’analyse descriptive 
  • Analyse unidimensionnelle d’une variable quantitative
  • Analyse unidimensionnelle d’une variable qualitative
  • Exemples pratiques sous Python (bibliothèques : Numpy et scipy)

 

Analyse graphique sous python 

  • Introduction aux bases de la visualisation de données
  • Analyse graphique pour une variable quantitative
  • Analyse graphique pour une variable qualitative
  • Exemples pratiques sous Python (bibliothèques : Seaborn et Matplotlib)

 

Statistique inférentielle

  • L’analyse descriptive vs l’inférence statistique
  • Variable aléatoire et échantillon
  • Tendance vers la loi normale ou « loi des grands nombres » 
  • Estimation ponctuelle ou par intervalle de confiance 
  • Les tests d'hypothèses

 Exemples pratiques sous Python (bibliothèques : Numpy et scipy)

 

Analyse bidimensionnelle des données 

  • Analyse entre deux variables quantitatives
  • Régression linéaire simple
  • Analyse entre deux variables quantitatives
  • Exemples pratiques sous Python (bibliothèques : Numpy et scipy)

 

Fiche de la formation



 Cible :

Sur Mesure


 Prérequis :

Sur Mesure


 Durée : 3 jours

 Type : Stage pratique


 Contactez-nous