À propos de ce cours
4.5
8,295 notes
2,094 avis
Spécialisation
100 % en ligne

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire

Niveau intermédiaire

Heures pour terminer

Approx. 18 heures pour terminer

Recommandé : 6 hours/week...
Langues disponibles

Anglais

Sous-titres : Anglais, Chinois (traditionnel), Portugais (brésilien), Vietnamien, Coréen, Hébreu...

Ce que vous allez apprendre

  • Check

    Describe common Python functionality and features used for data science

  • Check

    Explain distributions, sampling, and t-tests

  • Check

    Query DataFrame structures for cleaning and processing

  • Check

    Understand techniques such as lambdas and manipulating csv files

Compétences que vous acquerrez

Python ProgrammingNumpyPandasData Cleansing
Spécialisation
100 % en ligne

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire

Niveau intermédiaire

Heures pour terminer

Approx. 18 heures pour terminer

Recommandé : 6 hours/week...
Langues disponibles

Anglais

Sous-titres : Anglais, Chinois (traditionnel), Portugais (brésilien), Vietnamien, Coréen, Hébreu...

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1
Heures pour terminer
3 heures pour terminer

Week 1

In this week you'll get an introduction to the field of data science, review common Python functionality and features which data scientists use, and be introduced to the Coursera Jupyter Notebook for the lectures. All of the course information on grading, prerequisites, and expectations are on the course syllabus, and you can find more information about the Jupyter Notebooks on our Course Resources page....
Reading
11 videos (Total 58 min), 4 lectures, 1 quiz
Video11 vidéos
Data Science7 min
The Coursera Jupyter Notebook System3 min
Python Functions8 min
Python Types and Sequences8 min
Python More on Strings3 min
Python Demonstration: Reading and Writing CSV files3 min
Python Dates and Times2 min
Advanced Python Objects, map()5 min
Advanced Python Lambda and List Comprehensions2 min
Advanced Python Demonstration: The Numerical Python Library (NumPy)7 min
Reading4 lectures
Syllabus10 min
Help us learn more about you!10 min
50 years of Data Science, David Donoho (optional)30 min
Notice for Auditing Learners: Assignment Submission10 min
Quiz1 exercice pour s'entraîner
Week One Quiz12 min
Semaine
2
Heures pour terminer
3 heures pour terminer

Week 2

In this week of the course you'll learn the fundamentals of one of the most important toolkits Python has for data cleaning and processing -- pandas. You'll learn how to read in data into DataFrame structures, how to query these structures, and the details about such structures are indexed. The module ends with a programming assignment and a discussion question....
Reading
8 videos (Total 45 min), 2 quiz
Video8 vidéos
The Series Data Structure4 min
Querying a Series8 min
The DataFrame Data Structure7 min
DataFrame Indexing and Loading5 min
Querying a DataFrame5 min
Indexing Dataframes5 min
Missing Values4 min
Semaine
3
Heures pour terminer
3 heures pour terminer

Week 3

In this week you'll deepen your understanding of the python pandas library by learning how to merge DataFrames, generate summary tables, group data into logical pieces, and manipulate dates. We'll also refresh your understanding of scales of data, and discuss issues with creating metrics for analysis. The week ends with a more significant programming assignment....
Reading
6 videos (Total 35 min), 1 quiz
Video6 vidéos
Pandas Idioms6 min
Group by6 min
Scales7 min
Pivot Tables2 min
Date Functionality5 min
Semaine
4
Heures pour terminer
6 heures pour terminer

Week 4

In this week of the course you'll be introduced to a variety of statistical techniques such a distributions, sampling and t-tests. The majority of the week will be dedicated to your course project, where you'll engage in a real-world data cleaning activity and provide evidence for (or against!) a given hypothesis. This project is suitable for a data science portfolio, and will test your knowledge of cleaning, merging, manipulating, and test for significance in data. The week ends with two discussions of science and the rise of the fourth paradigm -- data driven discovery....
Reading
4 videos (Total 25 min), 1 lecture, 2 quiz
Video4 vidéos
Distributions4 min
More Distributions8 min
Hypothesis Testing in Python10 min
Reading1 lecture
Post-course Survey10 min
4.5
2,094 avisChevron Right
Orientation de carrière

34%

a commencé une nouvelle carrière après avoir terminé ces cours
Avantage de carrière

83%

a bénéficié d'un avantage concret dans sa carrière grâce à ce cours
Promotion de carrière

11%

a obtenu une augmentation de salaire ou une promotion

Meilleurs avis

par AUDec 10th 2017

Wow, this was amazing. Learned a lot (mostly thanks to stack overflow) but the course also opened my eyes to all the possibilities available out there and I feel like i'm only scratching the surface!

par SIMar 16th 2018

overall the good introductory course of python for data science but i feel it should have covered the basics in more details .specially for the ones who do not have any prior programming background .

À propos de University of Michigan

The mission of the University of Michigan is to serve the people of Michigan and the world through preeminence in creating, communicating, preserving and applying knowledge, art, and academic values, and in developing leaders and citizens who will challenge the present and enrich the future....

À propos de la Spécialisation Applied Data Science with Python

The 5 courses in this University of Michigan specialization introduce learners to data science through the python programming language. This skills-based specialization is intended for learners who have a basic python or programming background, and want to apply statistical, machine learning, information visualization, text analysis, and social network analysis techniques through popular python toolkits such as pandas, matplotlib, scikit-learn, nltk, and networkx to gain insight into their data. Introduction to Data Science in Python (course 1), Applied Plotting, Charting & Data Representation in Python (course 2), and Applied Machine Learning in Python (course 3) should be taken in order and prior to any other course in the specialization. After completing those, courses 4 and 5 can be taken in any order. All 5 are required to earn a certificate....
Applied Data Science with Python

Foire Aux Questions

  • Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.

  • Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.