Matériel de référence
Concepts fondamentaux de la science des données, sa nature interdisciplinaire, les méthodologies et le cycle de vie complet de la data science, de la formulation du problème à la livraison des insights.
Voir le coursAperçu complet du paysage numérique, des écosystèmes de données, de l'infrastructure technologique et du rôle évolutif des données dans la société et les entreprises modernes.
Voir le coursDécouverte de motifs, algorithmes de clustering, règles d'association, méthodes de classification et techniques d'analyse exploratoire pour extraire des connaissances à partir de grands ensembles de données.
Voir le coursApprentissage supervisé et non supervisé, régression, réseaux de neurones, méthodes d'ensemble, évaluation de modèles et applications pratiques des algorithmes d'apprentissage machine.
Voir le coursFrameworks RDF, ontologies, requêtes SPARQL, graphes de connaissances et exploitation des données liées pour l'interopérabilité sémantique et l'intégration de données.
Voir le coursCollection complète de projets pratiques et d'exercices de data science couvrant l'analyse de données, les implémentations d'apprentissage machine, les techniques de visualisation et les études de cas réels.
Voir sur GitHub