Description
Cours généré pour la démonstration — domaine Data Science & IA.
Avis des apprenants (13) Avis vérifiés uniquement
Ibrahima Petit
Avis vérifié
Excellent rapport qualité/prix.
24/09/2026
Aminata Kourouma
Avis vérifié
Cours très clair, parfait pour débuter.
24/09/2026
Thierno Barry
Avis vérifié
Excellent rapport qualité/prix.
24/09/2026
Abdoulaye Camara
Avis vérifié
Exactement ce que je cherchais, merci !
24/09/2026
Boubacar Diakité
Avis vérifié
Formateur pédagogue, explications faciles à suivre.
24/09/2026
Camille Condé
Avis vérifié
Je recommande vivement à qui veut se lancer.
24/09/2026
Emma Petit
Avis vérifié
Exactement ce que je cherchais, merci !
24/09/2026
Ibrahime Camara
Avis vérifié
Je recommande vivement à qui veut se lancer.
24/09/2026
Nafissatou Diallo
Avis vérifié
Exactement ce que je cherchais, merci !
24/09/2026
Bintou Keita
Avis vérifié
Bon contenu mais j'aurais aimé plus d'exercices pratiques.
24/09/2026
Abdoulaye Bailo
Avis vérifié
Formateur pédagogue, explications faciles à suivre.
24/09/2026
Hawa Soumah
Avis vérifié
Excellent rapport qualité/prix.
24/09/2026
Rokia Fofana
Avis vérifié
Un peu rapide sur certains points mais globalement satisfait.
24/09/2026Programme par modules (16 leçons)
Fondations de la donnée
Lire, nettoyer et comprendre un jeu de données.
Le métier de la donnée aujourd'hui
Charger et explorer un jeu de données
Nettoyer : valeurs manquantes et aberrantes
Atelier : de la donnée brute au tableau exploitable
Statistiques utiles
Les notions qui évitent les conclusions fausses.
Moyenne, médiane et dispersion
Corrélation n'est pas causalité
Échantillonnage et biais
Lire un résultat statistique sans se tromper
Apprentissage automatique
Entraîner un premier modèle et le juger honnêtement.
Supervisé, non supervisé : de quoi parle-t-on
Régression et classification
Découper train / test et éviter le surapprentissage
Mesurer la performance d'un modèle
IA générative en pratique
Utiliser les grands modèles de façon utile et mesurée.
Ce qu'un grand modèle sait et ne sait pas faire
Rédiger une consigne efficace
Brancher un modèle sur ses propres données
Coût, limites et vérification des réponses