Description
Cours généré pour la démonstration — domaine Data Science & IA.
Avis des apprenants (14) Avis vérifiés uniquement
Karim Diallo
Avis vérifié
Je recommande vivement à qui veut se lancer.
24/09/2026
Rokia Robert
Avis vérifié
Quelques longueurs mais dans l'ensemble très utile.
24/09/2026
Lucas Doumbouya
Avis vérifié
Je recommande vivement à qui veut se lancer.
24/09/2026
Nathan Moreau
Avis vérifié
Un peu rapide sur certains points mais globalement satisfait.
24/09/2026
Awa Diakité
Avis vérifié
J'ai beaucoup progressé grâce à ce cours.
24/09/2026
Fanta Diallo
Avis vérifié
Un peu rapide sur certains points mais globalement satisfait.
24/09/2026
Fanta Diallo
Avis vérifié
Cours très clair, parfait pour débuter.
24/09/2026
Ibrahime Camara
Avis vérifié
Je recommande vivement à qui veut se lancer.
24/09/2026
Léa Dubois
Avis vérifié
Contenu à jour et bien structuré.
24/09/2026
Lucas Kourouma
Avis vérifié
Je recommande vivement à qui veut se lancer.
24/09/2026
Thierno Soumah
Avis vérifié
Contenu à jour et bien structuré.
24/09/2026
Nathan Sylla
Avis vérifié
J'ai beaucoup progressé grâce à ce cours.
24/09/2026
Kadiatou Kouyaté
Avis vérifié
Cours très clair, parfait pour débuter.
24/09/2026
Rokia Bah
Avis vérifié
Contenu à jour et bien structuré.
24/09/2026Programme par modules (20 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
Restituer et décider
Transformer une analyse en décision comprise.
Choisir la bonne visualisation
Construire un tableau de bord lisible
Raconter un résultat à des non-spécialistes
Projet final : une analyse de bout en bout