Offre une introduction complète à la science des données, couvrant Python, Numpy, Pandas, Matplotlib et Scikit-learn, en mettant l'accent sur les exercices pratiques et le travail collaboratif.
Couvre les champs d'application, les lambdas et les pandas en science des données avec Python, y compris les déclarations imbriquées, la détermination de la portée, les affectations et la manipulation des pandas.
Explore à l'aide de données log pour comprendre les comportements humains, en mettant l'accent sur la consommation alimentaire et les interactions sociales.
Couvre l'essentiel de la science des données, y compris le traitement, la visualisation et l'analyse des données, en mettant l'accent sur les compétences pratiques et l'engagement actif.
Couvre les principes fondamentaux de la science des données, l'évolution des méthodes scientifiques, le rôle d'un data scientist et l'importance des données en tant que nouveau pétrole.
Explore l'invariance, la causalité et la robustesse de l'analyse des données, en abordant les défis et les implications pour la généralisation de la distribution.
Souligne l’importance de la préparation aux données dans les interventions en cas de catastrophe et explore des stratégies pour combler les lacunes et les surcharges en matière d’information.
Explore les implications éthiques du déploiement d'algorithmes d'apprentissage automatique et souligne l'importance de l'équité dans les processus décisionnels.
