Realiser ses analyses statistiques avec Python

- Introduction et mise en place de l'environnement

• Installation et configuration des environnements (Anaconda, Jupyter Notebook)

• Présentation des bibliothèques Python clés pour les statistiques (Pandas, Matplotlib, Scipy, Statsmodels)

- Manipulation et nettoyage des données

• Chargement et exploration des données avec Pandas

- Analyses exploratoires des données (EDA)

• Calculs de statistiques descriptives

• Visualisations avec Matplotlib et Seaborn

- Introduction aux tests statistiques

• Bases des tests d'hypothèses

• Tests courants avec SciPy

• Interprétation des résultats

- Régression linéaire et introduction à la modélisation

• Introduction aux modèles linéaires

• Régression multiple

• Introduction à la régression logistique

- Découvrir les principales méthodes d'analyse multidimensionnelle des données à l'aide de la bibliothèque Prince