| Version | Objectif | Domaine | Cadre | Démo |
|---|---|---|---|---|
| 1.1 | Andragogie | Data Analysis | Laboratoire | - |
Reupload et correction du support 'Python & EDA' daté de septembre 2022.
Ce projet est une ressource pédagogique qui sert d'exemple d'analyse de données avec Python.
L'analyse se trouve dans le fichier eda_weather.ipynb.
- Établir un cahier d'analyse avec Jupyter Notebook
- Manipuler les structures de données Series et DataFrame avec Pandas
- Dessiner des graphiques de données avec Matplotlib / Seaborn
- Lire et comprendre une visualisation statistique de données
- Identifier, quantifier et qualifier des séries de données
- Mesurer la pertinence de variables à exploiter pour l'établissement d'un modèle de classification en ML.
Cours
- "Statistique et probabilités"
- "Algorithmique"
- "Programmation Python"
- "Modélisation de base de données"
- "Librairies Python"
- "SQL / MySQL"
Ce projet peut être utilisé dans un cadre d'apprentissage individuel et privé. Il ne convient pas pour une utilisation publique ou professionnelle.
Le projet illustre l'étape préliminare à l'entrainement d'un modèle de classification en Machine Learning.
- Origine : Kaggle - Rain in Australia
- Contexte : Prédire s'il va pleuvoir demain
- Pertinence : Observations reccueillies par plusieurs stations météo en Australie Australian Government - Bureau of Meteorology
- Identification générale
- Structure
- Données cibles
- Types de données
- Contenu des données
- Déductions
- Préparation
- Analyse univariée
- Cible
- Variables quantitatives continues
- Variables quantitatives discrètes
- Variables qualitatives
- Analyse bivariée
- Variables quantitatives continues
- Variables quantitatives discrètes
- Variables qualitatives
- Statistiques
- Finalisation
- Conclusion
- Traitements
Clônez ce repository dans un répertoire local sur votre machine.