"S'initier à la Data Science et à ses enjeux" ("CY Cergy Paris Université") - Badge de réussite de la formation

Badge délivré à

Tampleu Julian

Délivré le 06 juil. 2023 par

France Université Numérique

Ce badge est destiné aux apprenants ayant suivi avec succès la formation. La Big data, et plus généralement l’analyse de données, occupent une place de plus en plus importante au sein des stratégies de nombreuses organisations. Suivi de performance, analyse des comportements, découvertes de nouvelles opportunités de marché : les applications sont multiples, et intéressent des secteurs variés. Du e-commerce à la finance, en passant par les transports et la santé, les entreprises ont besoin de talents formés à la collecte, au stockage, mais aussi au traitement et à la modélisation des données. Ce MOOC s’adresse à toute personne désireuse de découvrir les bases de la Data Science, quel que soit son niveau. Centrés sur la découverte des concepts à travers des vidéos, quiz et débats, les cours et activités permettent de s’initier aux enjeux de la collecte, analyse et gestion des données.

#analyse #Bigdata #Cergy #comportement #CY #donnée

Émetteur

France Université Numérique

contact@fun-mooc.fr

Se former en liberté ! Des cours en ligne pour découvrir, apprendre, progresser et réussir.

Nous fédérons un réseau d'universités, d'écoles, d'instituts de recherche, d'agences gouvernementales, d'entreprises edtech et de contributeurs qui se consacrent à la construction de services numériques souverains pour l'éducation

The freedom to study Online courses to discover, learn, progress and succeed

We unite a network of universities, schools, research institutes, government agencies, Edtech companies and contributors who are dedicated to the construction of sovereign digital services for education

Critère(s)

Critères d'obtention de ce badge :

Vous avez obtenu un score supérieur ou égal à 70% sur l'ensemble des exercices proposés

Aujourd'hui, vous êtes capable de :

Connaître les principaux concepts de la Data Science (données, variables, fouille de données, prétraitement, tests statistiques)
Maîtriser les techniques les plus communes de la fouille de données (analyse multivariée, clustering, text mining, analyse de réseaux sociaux, etc.)
Pouvoir distinguer, en Machine Learning, l’apprentissage supervisé de l’apprentissage non supervisé.
Pouvoir positionner le Machine Learning par rapport à l’intelligence artificielle.
Connaître les principes sous-tendant les réseaux de neurones (architecture, fonctions d’activation, backpropagation, etc.), ainsi que les applications du Deep Learning (Deep Fakes, etc.)
Être capable de réfléchir sur les enjeux sociétaux associés au progrès de la Data Science et de l’intelligence artificielle