GithubMachine LearningR ProgrammingRegression AnalysisData ScienceRstudioData AnalysisDebuggingData ManipulationRegular Expression (REGEX)Data CleansingCluster Analysis
Spécialisation Science des données
Lancez votre carrière en science des données. A ten-course introduction to data science, developed and taught by leading professors.
429,713 déjà inscrits
Offert par
Spécialisation Science des donnéesUniversité Johns-HopkinsCe 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
À propos de ce Spécialisation
207,642 consultations récentes
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
Approximativement 11 mois pour terminer
Rythme recommandé de 7 heures/semaine
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
Approximativement 11 mois pour terminer
Rythme recommandé de 7 heures/semaine
Anglais
Sous-titres : Anglais, Arabe, Français, Portugais (européen), Italien, Vietnamien, Coréen, Allemand, Russe, Espagnol, Chinois (simplifié), Portugais (brésilien), Japonais
Comment fonctionne la Spécialisation
Suivez les cours
Une Spécialisation Coursera est une série de cours axés sur la maîtrise d'une compétence. Pour commencer, inscrivez-vous directement à la Spécialisation ou passez en revue ses cours et choisissez celui par lequel vous souhaitez commencer. Lorsque vous vous abonnez à un cours faisant partie d'une Spécialisation, vous êtes automatiquement abonné(e) à la Spécialisation complète. Il est possible de terminer seulement un cours : vous pouvez suspendre votre formation ou résilier votre abonnement à tout moment. Rendez-vous sur votre tableau de bord d'étudiant pour suivre vos inscriptions aux cours et vos progrès.
Projet pratique
Chaque Spécialisation inclut un projet pratique. Vous devez réussir le(s) projet(s) pour terminer la Spécialisation et obtenir votre Certificat. Si la Spécialisation inclut un cours dédié au projet pratique, vous devrez terminer tous les autres cours avant de pouvoir le commencer.
Obtenir un Certificat
Lorsque vous aurez terminé tous les cours et le projet pratique, vous obtiendrez un Certificat que vous pourrez partager avec des employeurs éventuels et votre réseau professionnel.
Cette Spécialisation compte 10 cours
Les outils du scientifique des données
31,494 évaluations
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.
La programmation en R
20,836 évaluations
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.
Obtenir et trier des données
7,769 évaluations
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.
Exploration analytique de données
5,859 évaluations
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.
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.
Foire Aux Questions
Puis-je obtenir des crédits universitaires si je réussis la Spécialisation ?
Can I just enroll in a single course?
Puis-je m'inscrire à un seul cours ?
Can I take the course for free?
Puis-je suivre le cours gratuitement ?
Ce cours est-il vraiment accessible en ligne à 100 % ? Dois-je assister à certaines activités en personne ?
Quelle est la durée nécessaire pour terminer la Spécialisation ?
À quelle fréquence chaque cours de cette Spécialisation est-il proposé ?
Do I need to take the courses in a specific order?
Will I earn university credit for completing the Specialization?
Puis-je obtenir des crédits universitaires si je réussis la Spécialisation ?
Can I sign up for the course without paying or applying for financial aid?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
