Stat Secrets boostez vos compétences en stats pour la data

  • Accélérez votre carrière avec la Data.
  • Accédez à 150+ modules ultra-concrets.
  • Obtenez le suivi personnalisé de 2 experts recconnus.
  • Bénéficiez de modèles et d'exemples prêts à l'emploi.
Rejoindre la formation Voir le programme
Un programme ultra-complet

Accédez à 150+ modules de formation de difficulté progressive. Support 48h inclus.

Une qualité reconnue

Notre formation a reçu une note moyenne de 4,8/5 de la part de plus de 100 clients.

Satisfait ou Remboursé

Rejoignez le programme en toute sérénité en bénéficiant de notre garantie 100% satisfait ou remboursé.

Détail de notre formation

Découvrez notre programme ultra-complet

Ce chapitre couvre les étapes essentielles pour bien démarrer en statistique, notamment l'installation des logiciels nécessaires et la compréhension des concepts de base en statistique descriptive et inférentielle.

  • Installer R, Python et RStudio sur Mac et Windows
  • Comprendre les concepts de base en statistique
  • Définir et distinguer statistique descriptive et inférentielle
  • Appréhender les variables qualitatives et quantitatives
  • Réaliser des cas pratiques et des quiz pour valider vos connaissances
  • Mener un projet statistique univarié avec R
À la fin de ce chapitre, vous serez capable d'installer les outils nécessaires et de comprendre les bases de la statistique, vous permettant de démarrer vos analyses statistiques avec confiance.

Ce chapitre explore la description bidimensionnelle des données, vous permettant d'analyser et de visualiser les relations entre deux variables.

  • Analyser des nuages de points et des corrélations
  • Étudier les relations entre variables qualitatives et quantitatives
  • Créer des boxplots et des tableaux de contingence
  • Réaliser des diagrammes en barre et des profils de colonne
  • Passer des quiz et réaliser des cas pratiques
  • Mener un projet statistique bivarié avec R
À la fin de ce chapitre, vous serez capable d'analyser et de visualiser les relations complexes entre deux variables, en utilisant des techniques statistiques bidimensionnelles avec R.

Ce chapitre introduit les notions fondamentales de probabilité et les principaux tests statistiques pour analyser des distributions et estimer des paramètres.

  • Maîtriser les concepts clés de probabilité
  • Analyser les distributions avec les lois binomiale et normale
  • Comprendre la loi du khi-deux, de Student et de Fisher
  • Estimer des paramètres et construire des intervalles de confiance
  • Passer des quiz et réaliser des cas pratiques
  • Mener un projet d'estimation ponctuelle et par intervalle de confiance
À la fin de ce chapitre, vous serez capable de comprendre et d'appliquer les concepts de probabilité et de réaliser des tests statistiques pour analyser des distributions de données.

Ce chapitre aborde les tests statistiques essentiels pour valider des hypothèses et comparer des échantillons dans des situations pratiques.

  • Comprendre les notions essentielles des tests statistiques
  • Réaliser des tests d'égalité à une valeur moyenne ou proportion
  • Tester la normalité des données
  • Valider la relation entre deux variables
  • Comparer deux ou plusieurs échantillons
  • Mener un projet d'analyse bivariée avec tests statistiques
À la fin de ce chapitre, vous serez capable de réaliser divers tests statistiques pour valider des hypothèses et comparer des échantillons, améliorant ainsi vos analyses de données.

Ce chapitre vous guide à travers les étapes nécessaires pour construire et évaluer un modèle de régression linéaire afin de réaliser des prédictions précises.

  • Boostez votre productivité avec Quarto
  • Suivez les 6 étapes pour construire des modèles de régression
  • Nettoyez et décrivez la base de données
  • Choisissez les variables pertinentes pour le modèle
  • Vérifiez la robustesse et le pouvoir de généralisation du modèle
  • Réalisez des prédictions fiables et passez les quiz
À la fin de ce chapitre, vous serez capable de construire, évaluer et utiliser un modèle de régression linéaire pour réaliser des prédictions, renforçant ainsi vos compétences en analyse prédictive.

Ce chapitre vous guide dans la construction d'un modèle de régression logistique pour réaliser des prédictions, en suivant une méthodologie rigoureuse.

  • Définir clairement la problématique
  • Analyser et traiter les données
  • Sélectionner les variables pertinentes
  • Construire et évaluer le modèle de régression logistique
  • Prédire des résultats, comme le Churn
  • Mener un projet de modélisation des prix immobiliers
À la fin de ce chapitre, vous serez capable de construire et d'utiliser un modèle de régression logistique pour réaliser des prédictions, en appliquant une méthodologie rigoureuse et des techniques avancées.

Ce chapitre explore les techniques essentielles pour analyser des données temporelles, en utilisant divers outils et méthodes pour représenter et prédire les tendances.

  • Importer et traiter les données temporelles
  • Représenter et interpréter graphiquement les séries temporelles
  • Utiliser Plotly pour des graphiques dynamiques
  • Analyser l'évolution avec les moyennes mobiles
  • Comprendre la notion de stationnarité
  • Réaliser des prédictions sur des séries temporelles
À la fin de ce chapitre, vous serez capable d'analyser et de représenter des données temporelles, et de réaliser des prédictions en utilisant des techniques avancées pour identifier les tendances et les patterns.

Notre équipe

Des formateurs expérimentés et reconnus pour leur pédagogie.

Kevin Rosamont Prombo

Kevin est le consultant Data chevronné à la tête de Data Workers. Fort de plus de 12 ans d'expérience dans le domaine de l'analyse de données, il s'est spécialisé en conseil pour aider ses clients à exploiter au mieux leurs données. Sa mission principale consiste à récupérer les données brutes et à les transformer pour en extraire des informations pertinentes et exploitables. Son objectif est d'accompagner ses clients dans la prise de décisions éclairées, contribuant ainsi à l'optimisation de leurs performances. Pour ce faire, il maîtrise et utilise régulièrement des outils de pointe tels que SQL, Python et Power BI.

Benjamin Ejzenberg

Benjamin est un spécialiste de l'analyse et de la visualisation de données, dont les compétences avec Power BI sont reconnues par Microsoft à travers le titre de Microsoft MVP (Most Valuable Professional). Benjamin se distingue également par sa présence sur LinkedIn où il compte plus de 64 000 abonnés. Il utilise cette plateforme pour partager des connaissances précieuses et des mises à jour sur les dernières tendances dans le domaine des données. Sa capacité à communiquer et à motiver une large communauté de professionnels et d'enthousiastes en fait un formateur et un leader dans l'univers de la data.

Les portes de la formation sont fermées !

Inscrivez-vous pour être notifié à l'ouverture de la formation