Couvre l'essentiel de la science des données, y compris le traitement, la visualisation et l'analyse des données, en mettant l'accent sur les compétences pratiques et l'engagement actif.
Couvre les aspects essentiels de la gestion de projet comme la portée, le temps et les coûts, ainsi que l'affectation des ressources, l'optimisation des calendriers et la gestion des risques.
Introduit des outils collaboratifs de science des données comme Git et Docker, en mettant l'accent sur le travail d'équipe et les exercices pratiques pour un apprentissage efficace.
Introduit le cours d'analyse des données appliquées à l'EPFL, couvrant un large éventail de sujets d'analyse des données et mettant l'accent sur l'apprentissage continu en sciences des données.
Couvre l'analyse des données sur la pollution atmosphérique, en se concentrant sur les bases de R, en visualisant des séries chronologiques et en créant des résumés des concentrations de polluants.
Décrit les programmes de maîtrise en statistique et micro-ingénierie à l'EPFL, détaillant leur structure, leurs cours et leurs opportunités de carrière.
Introduit le cours «Comment les gens apprennent II», en mettant l'accent sur les concepts éducatifs et les applications pratiques dans l'apprentissage par projet.
Couvre les approches d'apprentissage automatique pour la personnalisation et leur application dans le monde réel, en mettant l'accent sur les devoirs, les projets et les commentaires.
Couvre les fondamentaux des écosystèmes de big data, en se concentrant sur les technologies, les défis et les exercices pratiques avec le HDFS d'Hadoop.
Couvre l'analyse en composantes principales pour la réduction dimensionnelle des données biologiques, en se concentrant sur la visualisation et l'identification des modèles.
Couvre les principes fondamentaux de la science des données, l'évolution des méthodes scientifiques, le rôle d'un data scientist et l'importance des données en tant que nouveau pétrole.
Couvre les méthodologies de gestion de projet, le calcul du réseau, l'allocation des ressources et le contrôle-surveillance dans la planification et la planification du projet.
Couvre les meilleures pratiques et les lignes directrices pour les mégadonnées, y compris les lacs de données, l'architecture, les défis et les technologies comme Hadoop et Hive.
