Vous apprendrez les bases fondamentales des Statistiques et deviendrez autonome dans vos analyses statistiques :
Les bases indispensables en probabilités : calcul de probabilités, variable aléatoire, loi de probabilité, densité, fonction de répartition, etc.
L'estimation statistique pour comprendre la théorie sur laquelle les modèles statistiques et de machine learning se reposent.
Comment construire un intervalle de confiance, et la méthode générale pour être autonome dans toutes les situations.
Comprendre la régression linéaire, le modèle statistique le plus utilisé et le plus généraliste.
--- Pourquoi Statistique pour la Data Science ? ---
Depuis quelques années, le domaine de la Data Science a explosé.
Promesses de salaire élevé...
Promesses de travail à fort impact...
Promesses d'embauche rapide...
Le job a tout pour plaire ! Et en plus.. c'est plutôt fun de faire de la data science ;)
Sauf que...
Il faut beaucoup de compétences.
Deep Learning, Python, R, Statistiques, SQL, Spark, Hadoop, NoSQL, Git, Jenkins, Tensorflow, ...
La liste paraît infinie.
Heureusement, de nombreuses formations ont vu le jour !
Aujourd'hui, on peut accéder à des formations sur Python, sur R, sur le Deep Learning, et sur de nombreux sujets.
Mais..
Des formations en statistique ?
Elles se font rare.
Et d'autres requièrent des connaissances en statistiques et mathématiques :
« Je souhaite intégrer la formation dédié sur OpenClassrooms. Mais je manque des pré-requis mathématiques pour la débuter. »
--- C'est pourquoi j'ai voulu créer le meilleur cours possible de Statistique pour la Data Science. ---
Voici les cinq raisons qui font que Statistique pour la Data Science est le meilleur cours de statistiques que vous trouverez :
1. STRUCTURE PROGRESSIVE
Les stats, c'est dur.
C'est pourquoi Statistique pour la Data Science part de zéro. On commence par des concepts basiques, comme la moyenne, la médiane, la variance, ou la corrélation.
Et peu à peu, on va accumuler les connaissances et progresser dans les probabilités puis les statistiques.
2. EXPLICATIONS CLAIRES ET CONCISES
Ce cours m'a pris plus de 100 heures à préparer.
Pourquoi ?
Parce que chaque explication a été pensée et repensée pour être la plus claire et concise possible.
Je sais que les statistiques représentent des concepts difficiles à assimilier, et que des explications à rallonge ne font qu'apporter de la confusion.
Chaque vidéo représente UN concept, il est développé en moins de 10 minutes, puis mis en pratique par la suite.
3. QUIZZES & EXERCICES
Chaque concept de ce cours est d'abord expliqué pour que vous assimiliez la théorie et développiez une intuition des statistiques.
Ensuite, vous pourrez valider vos connaissances et continuer à apprendre au travers de quizzes et d'exercices.
À chaque fois que j'ai pu, j'ai repris des exemples de ma propre expérience. En tant que freelance data scientist, il m'arrive régulièrement d'utiliser des concepts statistiques.
4. AUTONOMIE
L'objectif de ce cours n'est pas de voir les statistiques en surface et vous donner l'impression que vous connaissez tout.
Non.
Attention : Ce cours ne sera pas facile. Il contient des formules mathématiques et on fera des calculs compliqués ensemble.
Mais ce cours fera de vous un adepte des statistiques autonome grâce à l'accumulation des connaissances fondamentales. Vous saurez utiliser ces connaissances pour aller au-delà du cours, faire vos propres tests statistiques, lire un livre de statistiques avancées, ou analyser le fonctionnement d'un algorithme de Machine Learning.
5. SOUTIEN DIRECT
Vous ne comprenez pas un concept ?
Vous êtes bloqué sur un exercice ?
Je suis là avec vous.
Ce cours a vocation d'être amélioré, enrichi, et complété au fil du temps selon VOTRE besoin. J'ai déjà des tonnes d'idées d'améliorations et je travaille déjà dessus.
Mais n'hésitez pas à faire entendre votre voix si vous pensez qu'un concept important n'a pas été abordé.
J'ai voulu créer le meilleur cours de statistique possible. À vous à présent de vous en servir pour devenir le data scientist le plus accompli possible.
- Charles