Introduit le cours d'analyse des données appliquées à l'EPFL, couvrant un large éventail de sujets d'analyse des données et mettant l'accent sur l'apprentissage continu en sciences des données.
Couvre la méthodologie de recherche, y compris la production de revues, l'anthropologie, l'ethnographie, les méthodes d'enquête et les études numériques.
Étudier la mesure et l'opérationnalisation des résultats dans la gestion de la fièvre chez les enfants de moins de cinq ans au moyen d'exemples et d'approches de collecte de données.
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.
Introduit Google Analytics 4 et des guides sur la configuration pour les sites WordPress, mettant l'accent sur les différences clés et le suivi des événements.
Examine les défis que posent les hypothèses de données, les biais et d'autres aspects de la recherche, y compris les écritures incomplètes et les frustrations des nouveaux arrivants.
Couvre les meilleures pratiques et les lignes directrices pour les mégadonnées, y compris les lacs de données, l'architecture, les défis et les technologies comme Hadoop et Hive.
Explore l'évolution de l'analyse des données à l'IA et au ML, en mettant l'accent sur les mégadonnées, l'apprentissage automatique et l'interaction avec les médias sociaux.
Explore l'apprentissage automatique atomistique, intégrant les principes physiques dans les modèles pour prédire avec précision les propriétés moléculaires.
Explore la régression logistique pour prédire les proportions de la végétation dans la région amazonienne grâce à l'analyse des données de télédétection.
Examine les méthodes quantitatives d'enquête sur la mobilité et l'urbanisme, y compris les dénombrements de la circulation et les enquêtes sur les transports publics, complétées par des approches qualitatives.
Présentation d'Apache Spark, couvrant son architecture, ses RDD, ses transformations, ses actions, sa tolérance aux pannes, ses options de déploiement et ses exercices pratiques dans les blocs-notes Jupyter.
Discute des techniques avancées d'optimisation Spark pour gérer efficacement les Big Data, en se concentrant sur la parallélisation, les opérations de mélange et la gestion de la mémoire.
Couvre la restructuration urbaine dans les villes africaines, en mettant l'accent sur la volonté politique, les approches participatives et les considérations sociales.
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.
