Spécialisation Introduction to Data Science Techniques

Ce spécialisation n'est pas disponible en Français (France)

Nous sommes actuellement en train de le traduire dans plus de langues.

Spécialisation Introduction to Data Science Techniques

Foundations of Data Science Techniques. Learn essential data science techniques for analyzing and interpreting data.

Instructeurs : Ming-Long Lam

Inclus avec Coursera Plus

Série de 3 cours

Approfondissez votre connaissance d’un sujet

niveau Intermédiaire

Expérience recommandée

6 mois à compléter

à 10 heures par semaine

Planning flexible

Apprenez à votre propre rythme

Préparer un diplôme

Série de 3 cours

Approfondissez votre connaissance d’un sujet

niveau Intermédiaire

Expérience recommandée

6 mois à compléter

à 10 heures par semaine

Planning flexible

Apprenez à votre propre rythme

Préparer un diplôme

Ce que vous apprendrez

How to analyze and forecast time series data
Techniques for statistical learning and model building
Methods for preparing and analyzing data

Compétences que vous acquerrez

Catégorie : Applied Machine Learning
Catégorie : Data Science
Catégorie : Forecasting
Catégorie : Analytics
Catégorie : Data Analysis
Catégorie : Exploratory Data Analysis
Catégorie : Machine Learning Algorithms
Catégorie : Data Cleansing
Catégorie : Time Series Analysis and Forecasting
Catégorie : Data Visualization
Catégorie : Statistical Machine Learning
Catégorie : R Programming

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Enseigné en Anglais

Récemment mis à jour !

mai 2025

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires

logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

Améliorez votre expertise en la matière

Acquérez des compétences recherchées auprès d’universités et d’experts du secteur
Maîtrisez un sujet ou un outil avec des projets pratiques
Développez une compréhension approfondie de concepts clés
Obtenez un certificat professionnel auprès de Illinois Tech

Spécialisation - 3 séries de cours

This specialization introduces learners to essential data science techniques, including time series analysis, statistical learning, and data preparation. Learners will develop foundational skills in data exploration, cleaning, and visualization, as well as core competencies in building predictive models and interpreting statistical outputs to drive business and research insights.

Projet d'apprentissage appliqué

Learners will work on projects involving time series forecasting, data preparation, and applying statistical learning methods to real-world data sets in the courses in this specialization. However, there is no required capstone project for this specialization.

Introduction to Time Series

COURS 151 heures

Ce que vous apprendrez

This course introduces basic time series analysis and forecasting methods. Topics include stationary processes, ARMA models, modeling and forecasting using ARMA models, nonstationary and seasonal time series models, state-space models, and forecasting techniques.

By the end of this course, students will be able to: - Describe important time series models and their applications in various fields. - Formulate real life problems using time series models. - Use statistical software to estimate models from real data and draw conclusions and develop solutions from the estimated models. - Use visual and numerical diagnostics to assess the soundness of their models. - Communicate the statistical analyses of substantial data sets through explanatory text, tables, and graphs. - Combine and adapt different statistical models to analyze larger and more complex data.

Statistical Learning

COURS 2114 heures

Ce que vous apprendrez

This course offers a deep dive into the world of statistical analysis, equipping learners with cutting-edge techniques to understand and interpret data effectively. We explore a range of methodologies, from regression and classification to advanced approaches like kernel methods and support vector machines, all designed to enhance your data analysis skills.

Our journey is guided by the well-known textbook "The Elements of Statistical Learning" by T. Hastie, R. Tibshirani, and J. Friedman. This course provides examples written in Python. Your system should have Python 3.8 or higher, as well as essential libraries such as NumPy, pandas, matplotlib, seaborn, scikit-learn, SciPy, and PyTorch. These tools not only support the learning process but also prepare you for real-world data analysis challenges. Whether you're aiming to refine your expertise or just starting out in the field of data science, this course provides the knowledge and tools to transform your understanding and application of statistical learning. It's a perfect blend of theory and practice, ideal for anyone looking to enhance their skills in data interpretation and analysis.

Data Preparation and Analysis

COURS 379 heures

Ce que vous apprendrez

1. Apply appropriate techniques for generating insights from data.
2. Present actionable solutions with confidence to the business stakeholders.

Obtenez un certificat professionnel

Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.

Préparer un diplôme

Ce site Spécialisation fait partie du (des) programme(s) diplômant(s) suivant(s) proposé(s) par Illinois Tech. Si vous êtes admis et que vous vous inscrivez, les cours que vous avez suivis peuvent compter pour l'apprentissage de votre diplôme et vos progrès peuvent être transférés avec vous.¹

Instructeurs

Ming-Long Lam

Illinois Tech

1 Cours1 317 apprenants

Offert par

Illinois Tech

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Étudiant(e) depuis 2018

’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’

Jennifer J.

Étudiant(e) depuis 2020

’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’

Larry W.

Étudiant(e) depuis 2021

’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’

Chaitanya A.

’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’

Ouvrez de nouvelles portes avec Coursera Plus

Accès illimité à 10,000+ cours de niveau international, projets pratiques et programmes de certification prêts à l'emploi - tous inclus dans votre abonnement.

Faites progresser votre carrière avec un diplôme en ligne

Obtenez un diplôme auprès d’universités de renommée mondiale - 100 % en ligne

Découvrir les diplômes

Rejoignez plus de 3 400 entreprises mondiales qui ont choisi Coursera pour les affaires

Améliorez les compétences de vos employés pour exceller dans l’économie numérique

Foire Aux Questions

No, it’s not required—but it is recommended that you follow the course sequence listed on the specialization landing page. This order is designed to help you build your skills progressively, from foundational concepts to more advanced topics.

No, this specialization is open to all MOOC learners. You do not need to be an admitted degree-seeking student to complete the specialization and receive a Coursera–IIT co-branded non-credit certificate.

This course is completely online, so there’s no need to show up to a classroom in person. You can access your lectures, readings and assignments anytime and anywhere via the web or your mobile device.

Yes! To get started, click the course card that interests you and enroll. You can enroll and complete the course to earn a shareable certificate, or you can audit it to view the course materials for free. When you subscribe to a course that is part of a Specialization, you’re automatically subscribed to the full Specialization. Visit your learner dashboard to track your progress.