Sortez d'une base de données les données d'un projet d'IA, nettoyez-les et préparez-les pour un modèle sans laisser fuir la réponse. Vous écrivez du vrai SQL dans le navigateur dès la première leçon.
Lisez toutes les leçons sans compte, ou connectez-vous pour vous inscrire et suivre vos progrès.
Inscrivez-vous pour enregistrer les leçons que vous terminez. C'est gratuit.
À la fin de ce cours, vous pourrez :
Les projets d’IA consacrent une grande partie de leur temps aux données. Avant qu’un modèle puisse apprendre, quelqu’un doit sortir les bonnes lignes d’une base de données, trouver ce qui ne va pas, le corriger et préparer des données d’entraînement et de test qui donnent un résultat honnête. Ici, les erreurs sont silencieuses : une jointure qui double certaines lignes ou une colonne qui contient la réponse ne cause pas d’erreur. Elle donne un modèle qui semble bon pendant les tests et qui échoue avec de vrais utilisateurs.
Ce cours enseigne ce travail avec un seul exemple suivi : les billets de soutien de Larkfield, une boutique en ligne fictive de produits pour la maison et le jardin. Vous écrivez du SQL pour interroger ses clients, ses billets et le résultat de chaque billet. Puis vous utilisez Python et pandas pour nettoyer les données et les préparer pour un modèle qui prédit quels billets ont besoin d’un agent expérimenté. Chaque exercice vérifie son propre résultat : nombres de lignes, totaux et règles qui doivent être vraies.
À la fin, vous remettez un jeu de données de modélisation validé : les requêtes et leurs nombres de lignes, vos décisions de nettoyage, une séparation sans fuite, ainsi qu’un schéma et un rapport de qualité qu’une autre personne peut vérifier et exécuter de nouveau.
Vous avez suivi le cours Python pour l'ingénierie de l'IA en pratique, ou vous savez déjà exécuter un script Python depuis un terminal, utiliser un environnement virtuel et lire un fichier CSV. Il vous faut Python 3.12 ou une version plus récente. Vous n'avez pas besoin de connaître SQL. Tous les outils sont gratuits, et aucun compte n'est nécessaire.
Cours à suivre avant : Python pour l'ingénierie de l'IA en pratique.
Les personnes qui connaissent les bases de Python et qui veulent préparer des données pour le travail en IA. Vous n'avez pas besoin de connaître SQL ni d'avoir déjà utilisé une base de données.
Des spécialistes de l'IA expérimentés ont conçu ce cours. L'IA nous a aidés à rédiger le contenu; des personnes ont choisi l'approche pédagogique et les exemples, et ont révisé chaque leçon. Les résultats que vous voyez sont les vrais résultats de l'exécution du code. Comment nous créons les cours
Examinez un jeu de données et dites ce que représente une ligne. Vous découvrez les tables, les clés et les horodatages, et vous créez une base de données d'exercice avec les billets de soutien d'une boutique fictive.
Posez des questions à la base de données en SQL. Vous filtrez, comptez et joignez des tables. Vous vérifiez chaque résultat par rapport à la source, pour qu'une jointure ne puisse pas ajouter ou perdre des lignes à votre insu.
Écrivez des requêtes plus longues qui restent lisibles. Vous les construisez en étapes nommées, vous trouvez le dernier enregistrement de chaque billet, et vous notez exactement comment vous avez extrait les données.
Trouvez les problèmes d'un jeu de données avant de le modifier, puis corrigez-les en Python avec pandas. Chaque ligne d'entrée est comptée, et chaque ligne que vous retirez a une raison.
Préparez les données pour un modèle sans laisser fuir la réponse. Vous décidez ce qui est connu au moment de la prédiction, vous choisissez une séparation qui correspond à l'usage réel, et vous ajustez les transformations sur les données d'entraînement seulement.
Remettez un jeu de données auquel les autres peuvent se fier. Vous écrivez des règles de validation, vous notez d'où viennent les données et comment elles ont changé, et vous refaites toute la préparation à partir de zéro.
Trois études de cas de bout en bout sur de vraies données publiques. Expliquez les ventes d'une boutique à partir d'une exportation brute, créez un pipeline reproductible et sans fuite pour des demandes de réparation d'une ville, et planifiez le rééquilibrage de vélos à partir des trajets. Terminez-en au moins une pour obtenir le certificat. Chacune peut entrer dans votre portfolio.
Terminez au moins une étude de cas pour obtenir le certificat. Les autres sont facultatives. Ce que couvre chacune
Utilisez tous les modules dans un projet pratique. Vous recueillez des preuves, puis vous les comparez aux objectifs du cours.
Des projets réalistes du début à la fin, sur de vraies données, avec chaque résultat expliqué. Chacun devient une pièce de votre portfolio. Terminez-en au moins une pour obtenir le certificat; les autres sont facultatives.
Expliquer les ventes d'une boutique en ligne2 h 30 min
Transformer l'exportation réelle d'une boutique en tables, rapprocher les revenus et les retours, et répondre à des questions de planification avec des fonctions de fenêtrage et des cohortes.
Préparer une table sans fuite pour les demandes de réparation d'une ville2 h 30 min
Créer un pipeline reproductible qui passe d'une exportation désordonnée du 311 de NYC à une table de modélisation documentée et sans fuite.
Planifier le rééquilibrage des vélos pendant la nuit2 h 30 min
Trouver les défauts d'exportation et les déplacements de camionnettes dans de vrais trajets de vélopartage, et construire une cible par station à partir des jours précédents seulement.
Chargement des avis…
Vous avez suivi ce cours? Connectez-vous pour donner votre avis. Vous pouvez donner un avis après avoir terminé 25 % des leçons.
