Lancez votre carrière en science des données. A ten-course introduction to data science, developed and taught by leading professors.

4.5

étoiles

82,883 évaluations

Jeff Leek, PhD +2 enseignants de plus

Offert par

Spécialisation Science des donnéesUniversité Johns-Hopkins

Ce que vous allez apprendre

Use R to clean, analyze, and visualize data.

Navigate the entire data science pipeline from data acquisition to publication.

Use GitHub to manage data science projects.

Perform regression analysis, least squares and inference using regression models.

Compétences que vous acquerrez

GithubMachine LearningR ProgrammingRegression AnalysisData ScienceRstudioData AnalysisDebuggingData ManipulationRegular Expression (REGEX)Data CleansingCluster Analysis

À propos de ce Spécialisation

Ask the right questions, manipulate data sets, and create visualizations to communicate results. This Specialization covers the concepts and tools you'll need throughout the entire data science pipeline, from asking the right kinds of questions to making inferences and publishing results. In the final Capstone Project, you’ll apply the skills learned by building a data product using real-world data. At completion, students will have a portfolio demonstrating their mastery of the material.

Résultats de carrière des étudiants

38 %

ont commencé une nouvelle carrière après avoir terminé ce spécialisation.

19 %

ont obtenu une augmentation de salaire ou une promotion.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

Cours en ligne à 100 %

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Planning flexible

Définissez et respectez des dates limites flexibles.

Niveau débutant

You should have beginner level experience in Python. Familiarity with regression is recommended

Approximately 11 months to complete

Suggested pace of 7 hours/week

Anglais

Sous-titres : Anglais, Arabe, Français, Portugais (européen), Italien, Vietnamien, Coréen, Allemand, Russe, Espagnol, Chinois (simplifié), Portugais (brésilien), Japonais

Résultats de carrière des étudiants

38 %

ont commencé une nouvelle carrière après avoir terminé ce spécialisation.

19 %

ont obtenu une augmentation de salaire ou une promotion.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

Cours en ligne à 100 %

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Planning flexible

Définissez et respectez des dates limites flexibles.

Niveau débutant

You should have beginner level experience in Python. Familiarity with regression is recommended

Approximately 11 months to complete

Suggested pace of 7 hours/week

Anglais

Sous-titres : Anglais, Arabe, Français, Portugais (européen), Italien, Vietnamien, Coréen, Allemand, Russe, Espagnol, Chinois (simplifié), Portugais (brésilien), Japonais

Cette Spécialisation compte 10 cours

Cours1

Cours 1

Les outils du scientifique des données

4.6

étoiles

31,005 évaluations

•

6,606 avis

In this course you will get an introduction to the main tools and ideas in the data scientist's toolbox. The course gives an overview of the data, questions, and tools that data analysts and data scientists work with. There are two components to this course. The first is a conceptual introduction to the ideas behind turning data into actionable knowledge. The second is a practical introduction to the tools that will be used in the program like version control, markdown, git, GitHub, R, and RStudio.

Cours2

Cours 2

La programmation en R

4.5

étoiles

20,521 évaluations

•

4,405 avis

In this course you will learn how to program in R and how to use R for effective data analysis. You will learn how to install and configure software necessary for a statistical programming environment and describe generic programming language concepts as they are implemented in a high-level statistical language. The course covers practical issues in statistical computing which includes programming in R, reading data into R, accessing R packages, writing R functions, debugging, profiling R code, and organizing and commenting R code. Topics in statistical data analysis will provide working examples.

Cours3

Cours 3

Obtenir et trier des données

4.6

étoiles

7,710 évaluations

•

1,252 avis

Before you can work with data you have to get some. This course will cover the basic ways that data can be obtained. The course will cover obtaining data from the web, from APIs, from databases and from colleagues in various formats. It will also cover the basics of data cleaning and how to make data “tidy”. Tidy data dramatically speed downstream data analysis tasks. The course will also cover the components of a complete data set including raw data, processing instructions, codebooks, and processed data. The course will cover the basics needed for collecting, cleaning, and sharing data.

Cours4

Cours 4

Exploration analytique de données

4.7

étoiles

5,817 évaluations

•

843 avis

This course covers the essential exploratory techniques for summarizing data. These techniques are typically applied before formal modeling commences and can help inform the development of more complex statistical models. Exploratory techniques are also important for eliminating or sharpening potential hypotheses about the world that can be addressed by the data. We will cover in detail the plotting systems in R as well as some of the basic principles of constructing data graphics. We will also cover some of the common multivariate statistical techniques used to visualize high-dimensional data.

Enseignants

Offert par

Université Johns-Hopkins

The mission of The Johns Hopkins University is to educate its students and cultivate their capacity for life-long learning, to foster independent and original research, and to bring the benefits of discovery to the world.

Partenaires du secteur

Foire Aux Questions

Puis-je obtenir des crédits universitaires si je réussis la Spécialisation ?
If you subscribed, you get a 7-day free trial during which you can cancel at no penalty. After that, we don’t give refunds, but you can cancel your subscription at any time. See our full refund policy.
Can I just enroll in a single course?
Si vous vous abonnez, vous bénéficiez d'une période d'essai gratuite de 7 jours, durant laquelle vous pouvez annuler votre abonnement sans pénalité. Ensuite, nous n'accordons plus de remboursements, mais vous pouvez annuler votre abonnement à tout instant. Consultez notre politique de remboursement complète.
Puis-je m'inscrire à un seul cours ?
Oui ! Pour commencer, cliquez sur la carte du cours qui vous intéresse et inscrivez-vous. Vous pouvez vous inscrire et terminer le cours pour obtenir un Certificat partageable, ou vous pouvez accéder au cours en auditeur libre afin d'en visualiser gratuitement le contenu. Si vous vous abonnez à un cours faisant partie d'une Spécialisation, vous êtes automatiquement abonné(e) à la Spécialisation complète. Visitez votre tableau de bord d'étudiant(e) pour suivre vos progrès.
Can I take the course for free?
Oui, Coursera offre une Aide Financière aux étudiants qui n'ont pas les moyens d'acquitter les frais. Demandez-la en cliquant sur le lien Aide Financière sous le bouton S'inscrire situé à gauche. Vous devrez remplir un formulaire de demande et vous serez averti(e) si elle est acceptée. Vous devrez répéter cette procédure pour chaque cours de la Spécialisation, y compris pour le Projet Final. En savoir plus.
Puis-je suivre le cours gratuitement ?
Si vous vous inscrivez au cours, vous pouvez accéder à tous les cours de la Spécialisation et obtenir un Certificat lorsque vous terminez le travail. Si vous souhaitez seulement lire et examiner le contenu du cours, vous pouvez accéder gratuitement au cours en auditeur libre. Si vous n'avez pas les moyens d'acquitter les frais, vous pouvez faire une demande d'Aide Financière.
Ce cours est-il vraiment accessible en ligne à 100 % ? Dois-je assister à certaines activités en personne ?
Ce cours est entièrement en ligne : vous n'avez donc pas besoin de vous présenter physiquement dans une salle de classe. Vous pouvez accéder à vos vidéos de cours, lectures et devoirs en tout temps et en tout lieu, par l'intermédiaire du Web ou de votre appareil mobile.
Quelle est la durée nécessaire pour terminer la Spécialisation ?
Each course in the Specialization is offered monthly.
À quelle fréquence chaque cours de cette Spécialisation est-il proposé ?
Some programming experience (in any language) is recommended. We also suggest a working knowledge of mathematics up to algebra (neither calculus or linear algebra are required).
Do I need to take the courses in a specific order?
Begin by taking The Data Scientist's Toolbox and Introduction to R Programming, in order. The other courses may be taken in any order, and in parallel if desired.
Will I earn university credit for completing the Specialization?
Coursera courses and certificates don't carry university credit, though some universities may choose to accept Specialization Certificates for credit. Check with your institution to learn more.
Puis-je obtenir des crédits universitaires si je réussis la Spécialisation ?
You’ll have a foundational understanding of the field and be prepared to continue studying data science.
Can I sign up for the course without paying or applying for financial aid?
Yes, you can access the course for free via www.coursera.org/jhu. This will allow you to explore the course, watch lectures, and participate in discussions for free. To be eligible to earn a certificate, you must either pay for enrollment or qualify for financial aid.

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