Data Analysis with Python: Practical Labs ------------------------------------------------------------------------------------- Course Description ---------------------------------------------------------------------------------- In this hands-on course, you'll be introduced to the main types of data analysis, basic concepts and data types. You'll discover the tools and skills needed for data analysis. We'll review some of the fundamental mathematical and statistical concepts used in data analysis and pipelines for conducting effective and efficient data analysis. This course covers a wide variety of topics that are essential for working in data analysis. This course is designed to give students an introduction and overview to build relevant knowledge and skills. This course provides applications on how a company can use data analytics to make better business decisions and help analyze trends and customer satisfaction, which can lead to new and better products and services. Applications in healthcare, finance, telecommunications and engineering will feature prominently. The course combines theoretical knowledge with practical training in data analysis techniques. We will work primarily with Anaconda software (on the Jupyter Notebook IDE). ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- Analyse de Données avec Python : cours pratique ---------------------------------------------------------------------------------------------------------- Description du cours ----------------------------------------------------------------------------------------------- Dans ce cours pratique, vous serez initié aux principaux types d'analyse de données, aux concepts de base et aux types de données. Vous découvrirez les outils et les compétences nécessaires à l'analyse des données. Nous passerons en revue certaines notions mathématiques et statistiques fondamentales utilisées dans l'analyse des données et les pipelines pour mener des analyses de données efficaces et efficientes. Ce cours couvre une grande variété de sujets qui sont essentiels pour travailler dans l'analyse des données. Ce cours est conçu pour donner aux étudiants une introduction et une vue d'ensemble pour construire des connaissances et des compétences pertinentes. Ce cours fournit des applications sur la façon dont une entreprise peut utiliser l'analyse de données pour prendre de meilleures décisions commerciales et aider à analyser les tendances et la satisfaction des clients, ce qui peut conduire à de nouveaux et meilleurs produits et services. Les applications dans le domaine de la santé, la finance, les télécommunications et l’ingénierie seront au rendez-vous. Le cours combine des connaissances théoriques et une formation pratique aux techniques d'analyse des données. Nous travaillerons essentiellement avec le logiciel Anaconda (sur l’IDE Jupyter Notebook).
Program
II.1 Identify and handle missing values
II.2 Data Formating
II.3 Data Normalization (centering /scaling)
II.4 Data Binning
II.5 Turning Categorical values to numeric variables
II.6 Labs and quizz
3.Descriptive Analysis and Exploratory Data Analysis
III.1 Descriptive Statistics
III.2 GroupBy
III.3 ANOVA
III.4 Correlation
III.5 Data visualization
III.6 Labs and quizz
4.Predictive Analysis (Model Development)
IV.1 Introduction
IV.2 Simple Linear Regression and Labs
IV.3 Fitting a simple Linear Model Estimate
IV.4 Multiple Linear Regression (MLR) and Labs
IV.5 Fitting a Multiple Linear Model Estimator
IV.6 MLR – Estimated Linear Model
IV.7 Model Evaluation using Visualization
IV.8 Polynomial Regression and Pipelines and Labs
IV.9 Quizz
5.Model Evaluation and Refinement
V.1 Over-fitting, Under-fitting and Labs
V.2 Model Selection and Labs
V.3 Quizz
6. Real life Application with Python (only Lab)
VI.1 General Quizz
Programme
II.1 Identification et traitement des valeurs manquantes
II.2 Formatage des Données
II.3 Normalisation des Données (Centrage / Mise à l’échelle)
II.4 Regroupement de Données
II.5 Transformation des valeurs catégorielles en variable numériques
II.6 Labos et quizz
3.Analyse Descriptive et Analyse Exploratoire des Données
III.1 Statistiques Descriptives
III.2 GroupBy
III.3 ANOVA
III.4 Corrélation
III.5 Visualisation des Données
III.6 TP et quizz
4.Analyse Prédictive (Développement des modèles)
IV.1 Introduction
IV.2 Régression Linéaire simple avec TP
IV.3 Fitting a simple Linear Model Estimate
IV.4 Régression Linéaire Multiple (MLR) avec TP
IV.5 Ajustement d’un estimateur de Modèle Linéaire Multiple
IV.6 MLR – Estimated Linear Model
IV.7 Evaluation du modèle à l’aide de la visualisation
IV.8 Régression Polynomiale et Pipeline avec TP
IV.9 Quizz
5.Evaluation et Affinement des modèles
V.1 Surajustement et sous-ajustement avec TP
V.2 Sélection des modèles et TP
V.3 Quizz
6.Application réelle avec Python (TP exclusivement)
VI.1 Quizz Général
(ndoumins@gmail.com)
(tkaurelle@gmail.com)
(atalamarcelinelaetitia@gmail.com)
(nabiilahntaintie@gmail.com)
(ngaleuabelk@gmail.com)
05 Weeks (26 August 2023 au 24 September 2023)
