Python pour la Data Science : configurer son environnement de travail
Les essentiels et rien que les essentiels pour se lancer en Data Science avec Python.
Comprendre et interpréter les p-values
Petite présentation intuitive des p-values et de leur utilisation dans nos modèles statistiques.
Taux standardisés : calcul et interprétation avec R
Présentation de la méthode de standardisation directe sur les taux de survie des passagers du Titanic.
Risques relatifs et odds-ratios : comment les interpréter et les comparer?
Petite présentation des OR et des RR, et ce qu'ils veulent dire.
Le dilemme biais variance dans la modélisation de données
Présentation des enjeux théoriques et pratiques de l'arbitrage biais variance dans la construction d'un modèle de prédiction.
Analyse en composantes principales avec Python
Présentation et exemples d'utilisation de l'ACP en statistiques et data science.
