Spécialisation La science des données à grande échelle

La conception d'expériences statistiques et l'analyse sont au cœur de la science des données. Dans ce cours, vous concevrez des expériences statistiques et analyserez les résultats en utilisant des méthodes modernes. Vous explorerez également les pièges courants dans l'interprétation des arguments statistiques, en particulier ceux associés au big data. Collectivement, ce cours vous aidera à intérioriser un ensemble de méthodes et de concepts d'apprentissage automatique pratiques et efficaces, et à les appliquer pour résoudre des problèmes du monde réel. Objectifs d'apprentissage : Après avoir suivi ce cours, vous serez capable de : 1. Concevoir des expériences efficaces et analyser les résultats 2. Utiliser des méthodes de rééchantillonnage pour présenter des arguments statistiques clairs et irréfutables sans avoir recours à des notations ésotériques 3. Expliquer et appliquer un ensemble de méthodes de classification de complexité croissante (règles, arbres, forêts aléatoires), et les méthodes d'optimisation associées (descente de gradient et variantes) 4. Expliquer et appliquer un ensemble de concepts et de méthodes d'apprentissage non supervisé 5. Décrire les idiomes communs de l'analyse des graphes à grande échelle, y compris les requêtes structurelles, les traversées et les requêtes récursives, le PageRank et la détection des communautés

Remarque importante : le deuxième devoir de ce cours porte sur l'analyse graphique dans le nuage. Vous utiliserez Elastic MapReduce et le langage Pig pour effectuer une analyse graphique sur un ensemble de données modérément volumineux, d'environ 600 Go. Pour réaliser ce travail, vous devrez utiliser les services Web d'Amazon (AWS). Amazon a généreusement proposé d'offrir jusqu'à 50 $ de crédit AWS gratuit à chaque apprenant de ce cours pour vous permettre de réaliser ce travail. Vous trouverez de plus amples informations sur la procédure à suivre pour obtenir ce crédit dans le message de bienvenue du cours, ainsi que dans le devoir lui-même. Veuillez noter qu'Amazon, l'Université de Washington et Coursera ne peuvent pas vous rembourser les frais si vous épuisez votre crédit. Bien que nous estimions que ce devoir contribue à une excellente expérience d'apprentissage dans ce cours, nous comprenons que certains apprenants ne peuvent pas ou ne veulent pas utiliser AWS. Nous ne sommes pas en mesure d'émettre des certificats de cours pour les apprenants qui ne terminent pas le travail qui nécessite l'utilisation d'AWS. Par conséquent, vous ne devriez pas payer pour un certificat de cours sur la communication des résultats de données si vous ne pouvez pas ou ne voulez pas utiliser AWS, car vous ne pourrez pas terminer le cours avec succès si vous ne le faites pas. Faire des prédictions n'est pas suffisant ! Les data scientists efficaces savent comment expliquer et interpréter leurs résultats, et les communiquer avec précision aux parties prenantes afin d'éclairer les décisions de l'entreprise. La visualisation est un domaine de recherche en informatique qui étudie la communication efficace de résultats quantitatifs en reliant la perception, la cognition et les algorithmes pour exploiter l'énorme bande passante du cortex visuel humain. Dans ce cours, vous apprendrez à reconnaître, concevoir et utiliser des visualisations efficaces. Ce n'est pas parce que vous pouvez faire une prédiction et convaincre les autres d'agir en conséquence que vous devez le faire. Dans ce cours, vous explorerez les considérations éthiques autour du big data et comment ces considérations commencent à influencer la politique et la pratique. Vous apprendrez les limites fondamentales de l'utilisation de la technologie pour protéger la vie privée et les codes de conduite qui émergent pour guider le comportement des scientifiques des données. Vous apprendrez également l'importance de la reproductibilité dans la science des données et comment le cloud commercial peut aider à soutenir la recherche reproductible, même pour les expériences impliquant des ensembles de données massifs, des infrastructures de calcul complexes, ou les deux. Objectifs d'apprentissage : Après avoir suivi ce cours, vous serez capable de : 1. Concevoir et critiquer des visualisations 2. Expliquer l'état de l'art en matière de confidentialité, d'éthique, de gouvernance autour des big data et de la science des données 3. Utiliser l'informatique en nuage pour analyser de grands ensembles de données de manière reproductible.

Dans le cadre du capstone, les étudiants s'engageront dans un projet réel qui les obligera à appliquer les compétences de l'ensemble du pipeline de la science des données : préparation, organisation et transformation des données, construction d'un modèle et évaluation des résultats. Grâce à une collaboration avec Coursolve, chaque projet Capstone est associé à des partenaires qui ont un intérêt direct dans vos résultats et sont impatients de les mettre en pratique. Ces projets ne seront pas simples et les résultats ne sont pas prescrits - vous devrez tolérer l'ambiguïté et les résultats négatifs ! Mais nous pensons que l'expérience sera enrichissante et qu'elle vous préparera mieux aux projets de science des données dans la pratique.