Liste de cours en ligne gratuits en statistiques et analyse de données

Classement

Liste de cours en ligne gratuits en statistiques et analyse de données

Read a summary or generate practice questions using the INOMICS AI tool

By

Il existe aujourd'hui plus d'opportunités d'apprentissage en ligne que jamais, y compris des cours qui sont totalement gratuits. Que vous souhaitiez préparer votre prochain cours universitaire, acquérir des compétences supplémentaires pour vous aider dans votre travail ou que vous soyez simplement intéressé par un sujet et souhaitiez en savoir plus, il existe probablement un cours en ligne qui peut vous aider à atteindre vos objectifs. Tout particulièrement pendant la pandémie de la COVID-19, où beaucoup d'entre nous passent plus de temps à l'intérieur et moins de temps sur le campus ou aux cours du soir. Les cours en ligne peuvent donc être un excellent moyen de poursuivre votre éducation tout en minimisant les risques de propagation. Voici quelques-uns des meilleurs cours disponibles sur Internet dans le domaine des statistiques et de l'analyse des données.

L’ensemble des cours ci-dessous est disponible en anglais ainsi une maîtrise de l’anglais est nécessaire.

top free data analysis and statistics courses

1. Statistics with R Specialisation par Coursera (Duke University)

  • Durée : 10 semaines
  • Connaissances requises : mathématiques de base, aucune expérience en programmation requise.

2. Intro to Statistics par Udacity (Stanford University)

  • Durée : 8 semaines
  • Connaissances requises : il s’agit d’un cours d'introduction ainsi aucune expérience requise.

3. Statistical Learning par la Stanford University

  • Durée : 10 semaines
  • Connaissances requises : connaissances de base en statistiques, algèbre linéaire et informatique.

4. Introduction to R par Leada

  • Durée : autonome
  • Connaissances requises : il s’agit d’un cours d'introduction ainsi aucune expérience requise.

5. Statistics: The Science of Decisions par Udacity (San Jose State University)

  • Durée : autonome, approximativement 4 mois
  • Connaissances requises : compréhension de base des proportions (fractions, décimales et pourcentages), des nombres négatifs, de l'algèbre de base (résolution d'équations), des exposants et des racines carrées.

6. Introduction to Probability Theory par Saylor

  • Durée : autonome
  • Formation nécessaire : avoir suivi une formation en calcul à une et plusieurs variables, en algèbre linéaire et en équations différentielles, ou avoir suivi une formation équivalente.

7. Statistical Thinking for Data Science and Analytics par EDX (Columbia University)

  • Durée : 5 semaines
  • Connaissances nécessaires : il s’agit d’un cours d'introduction ainsi aucune expérience requise.

8. Foundations of Data Analysis - Part 1: Statistics Using R par EDX (University of Texas)

  • Durée : 6 semaines
  • Connaissances nécessaires : il s’agit d’un cours d'introduction ainsi aucune expérience requise.

9. Learning from Data par Caltech

  • Durée : autonome
  • Connaissances nécessaires : il s’agit d’un cours d'introduction ainsi aucune expérience requise.

INOMICS AI Tools

The INOMICS AI can generate an article summary or practice questions related to the content of this article.
Try it now!

An error occured

Please try again later.

3 Practical questions, generated by our AI model