Projets de formation et études sur données synthétiques : SQL, analyse des ventes, statistiques, segmentation et détection de défauts.
Faites une analyse des ventes pour un e-commerce
Générer des graphiques adaptés aux types de données Interpréter les informations provenant d'un dashboard Synthétiser des résultats à destination d'un client
Excel, Power Query, PowerPoint, Visualisation de données, Analyse des ventes, Restitution client
Créez et utilisez une base de données immobilière avec SQL
Charger des données dans une base de données Créer des tables dans une base de données Créer le schéma d'une base de données Effectuer des requêtes SQL pour répondre à une problématique métier Mettre à jour un catalogue de données
SQL, Power BI, Modélisation relationnelle, Import de données, Requêtes métier, Dictionnaire de données
Réalisez une étude de santé publique avec Python
Manipuler des DataFrames Utiliser des librairies spécialisées pour les traitements data Rédiger et présenter une méthodologie d'exploration et d'analyse des données
Python, Pandas, NumPy, Plotly, Manipulation de DataFrames, Analyse exploratoire, Préparation des données, Nettoyage des données, Jointures de données, Valeurs manquantes, Contrôle des doublons
Optimisez la gestion des données d'une boutique avec Python
Classifier différents types de données Gérer les erreurs et les incohérences présentes sur des données stockées Réaliser une analyse univariée pour interpréter des données
Python, Pandas, Plotly, Nettoyage des données, Analyse univariée, Qualité des données, Préparation des données, Jointures de données, Valeurs manquantes, Contrôle des doublons, Valeurs atypiques
Analysez les ventes d'une librairie avec Python
Réaliser une analyse bivariée pour interpréter des données Analyser des séries temporelles Réaliser un test statistique
Python, Pandas, Plotly, SciPy, Statsmodels, Analyse bivariée, Séries temporelles, Tests statistiques, Préparation des données, Nettoyage des données, Jointures de données, Valeurs manquantes
Analysez des indicateurs de l'égalité femme-homme avec Knime
Collecter des données en respectant le RGPD Préparer des données pour l'analyse en respectant les normes internes à l’entreprise Transférer des données vers une zone de préparation
KNIME, Préparation des données, RGPD, Indicateurs RH, Visualisation de données, Nettoyage des données, Jointures de données, Valeurs manquantes, Agrégation de données
Faites une étude sur l'eau potable
Générer des graphiques adaptés aux types de données Synthétiser des résultats à destination d'un client Analyser un besoin client pour formuler des questions analytiques Créer un tableau de bord répondant à des questions analytiques
Tableau, Tableaux de bord, Analyse du besoin client, Visualisation de données, Restitution client
Produisez une étude de marché avec Python
Explorer des données pour synthétiser des variables Effectuer un clustering simple
Python, Scikit-learn, ACP, Clustering K-means, Classification hiérarchique, Évaluation du clustering, Préparation des données, Nettoyage des données, Jointures de données, Contrôle des doublons, Standardisation des données
Détectez des faux billets avec Python
Réaliser une régression logistique Opérer des classifications automatiques pour partitionner les données Réaliser une analyse prédictive Réaliser une régression linéaire
Python, Scikit-learn, Clustering K-means, ACP, Régression logistique, Régression linéaire, Classification, Évaluation de modèles, Préparation des données, Nettoyage des données, Valeurs manquantes, Séparation entraînement/test
Analyser les locations et la maintenance d'un réseau de vélos
Modéliser sept tables et auditer près de 200 000 locations Éviter le double comptage des recettes dans les jointures Analyser les flux des stations et les chevauchements de maintenance
SQL, SQLite, Python, Modélisation relationnelle, Requêtes métier, Qualité des données, Préparation des données, Nettoyage des données
Étudier la disponibilité alimentaire et la réduction des pertes
Reconstituer des bilans alimentaires sur quinze années Comparer des indicateurs pondérés en contrôlant les unités et la couverture Évaluer douze scénarios théoriques et documenter les imputations
Python, Pandas, NumPy, Analyse exploratoire, Valeurs manquantes, Agrégation de données, Préparation des données, Nettoyage des données
Fiabiliser les ventes et les stocks d'un distributeur informatique
Auditer les correspondances entre catalogue ERP et ventes web Analyser chiffre d'affaires, marge et concentration des références Distinguer prix atypiques, liaisons ambiguës et risques de stock
Python, Pandas, Analyse des ventes, Jointures de données, Valeurs atypiques, Qualité des données, Préparation des données, Nettoyage des données
Comprendre la fidélité client et prévoir les ventes de jeux
Analyser 180 000 lignes de ventes et les cohortes de clients Mesurer la rétention en distinguant les périodes non observées Comparer une prévision ETS à une référence saisonnière sur six mois de test
Python, Pandas, SciPy, Statsmodels, Séries temporelles, Tests statistiques, Analyse bivariée, Préparation des données, Nettoyage des données
Analyser les écarts de rémunération et la composition des postes
Normaliser les rémunérations en équivalent temps plein Comparer écarts bruts, standardisés et ajustés avec leurs limites Masquer les petits effectifs et interpréter les intervalles bootstrap
Python, Pandas, Statsmodels, Indicateurs RH, Tests statistiques, Agrégation de données, Préparation des données, Nettoyage des données
Prioriser les besoins en eau potable sous contrainte budgétaire
Comparer les besoins ruraux et urbains sans remplacer les valeurs absentes par zéro Tester la sensibilité des priorités aux pondérations Optimiser une allocation sous budget en imposant une couverture régionale
Python, Pandas, SciPy, Visualisation de données, Analyse de sensibilité, Optimisation sous contraintes, Préparation des données, Nettoyage des données
Segmenter les marchés d'exportation d'équipements solaires
Comparer les marchés à partir de cinq indicateurs standardisés Choisir une partition et interpréter une projection ACP Tester la stabilité des groupes et construire une présélection commerciale distincte
Python, Scikit-learn, ACP, Clustering K-means, Classification hiérarchique, Évaluation du clustering, Standardisation des données, Préparation des données, Nettoyage des données
Détecter les défauts de pièces et mesurer le coût des erreurs
Séparer les lots d'apprentissage, de validation et de test pour éviter les fuites Choisir un seuil de détection selon un coût d'erreurs explicite Évaluer rappel, précision et charge de contrôle sur des pièces synthétiques
Python, Scikit-learn, Régression logistique, Régression linéaire, Classification, Évaluation de modèles, Séparation entraînement/test, Préparation des données, Nettoyage des données
Chargement du portfolio interactif…