Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Recherche

Afficher tous les résultats pour

Accueil

Cours

CS-401: Applied data analysis

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de ce cours (80)

Traitement des données du réseau

Couvre la gestion des données du réseau, les types de graphiques, les mesures de centralité et les propriétés des réseaux du monde réel.

Défis du Big Data : l'expansion vers des données massives

Explore les défis de la manipulation massive des données à l'ère du big data, en discutant de solutions comme MapReduce et Spark.

Processus de réfutation dans les séance de courss académiques

Explore le processus de réfutation de la séance de cours académique, en mettant l'accent sur l'analyse des données pour l'acceptation du papier, l'apprentissage automatique et les tests statistiques.

Analyse de mémoire postmortem

Explore l'analyse de mémoire postmortem à l'aide de nouvelles et de données sur les médias sociaux, en étudiant les corrélations biographiques et les modèles de mémoire.

Manipulation des données : Intro vers Pandas

Introduit les principes fondamentaux du traitement des données, soulignant l'importance des Pandas et de la modélisation des données pour une analyse efficace.

Aperçu des projets de données

Couvre les jalons des projets de données, les ensembles de données disponibles, les idées de projet et les exemples.

Visualisation des données : Techniques et applications

Explore les techniques et les applications de la visualisation des données, en soulignant l'importance d'une communication efficace et d'exemples non conventionnels.

Données descriptives: Statistiques et incertitude

Introduit des statistiques descriptives, une quantification de l'incertitude et des relations variables, soulignant l'importance de l'interprétation statistique et de l'analyse critique.

Analyse de régression : Désengagement des données

Couvre l'analyse de régression pour les données de désassemblage à l'aide de la modélisation de régression linéaire, des transformations, des interprétations des coefficients et des modèles linéaires généralisés.

Analyse causale des données d'observation

Couvre l'analyse causale des données d'observation, des pièges, des outils permettant de tirer des conclusions valables et d'aborder les variables confusionnelles.

Bases d'apprentissage automatique : Apprentissage supervisé et non supervisé

Couvre les bases de l'apprentissage automatique, l'apprentissage supervisé et non supervisé, diverses techniques comme les voisins k-nearest et les arbres de décision, et les défis de l'ajustement excessif.

Appliquée Machine Learning

Introduit des concepts d'apprentissage automatique appliqués tels que la collecte de données, l'ingénierie des caractéristiques, la sélection des modèles et les mesures d'évaluation du rendement.

Sans titre

Sans titre Connectez-vous à Mediaspace pour regarder cette vidéo

Sans titre

Sans titre Connectez-vous à Mediaspace pour regarder cette vidéo

Sans titre

Page 4 sur 4