📌 𝑳𝒆𝒔 𝒃𝒂𝒔𝒆𝒔 𝒎𝒂𝒕𝒉𝒆́𝒎𝒂𝒕𝒊𝒒𝒖𝒆𝒔 𝒂̀ 𝒎𝒂𝒊̂𝒕𝒓𝒊𝒔𝒆𝒓 𝒆𝒏 𝑫𝒂𝒕𝒂 𝑺𝒄𝒊𝒆𝒏𝒄𝒆 🚀

La 𝐃𝐚𝐭𝐚 𝐒𝐜𝐢𝐞𝐧𝐜𝐞 ne repose pas uniquement sur les logiciels, les algorithmes ou l’intelligence artificielle.

Elle repose aussi sur une base solide en 𝐦𝐚𝐭𝐡𝐞́𝐦𝐚𝐭𝐢𝐪𝐮𝐞𝐬 .

Pour bien comprendre les modèles statistiques, le machine learning et l’analyse des données, certains outils sont indispensables :

𝐋𝐞𝐬 𝐞𝐧𝐬𝐞𝐦𝐛𝐥𝐞𝐬 pour organiser et manipuler les données

𝐋𝐞𝐬 𝐩𝐫𝐨𝐛𝐚𝐛𝐢𝐥𝐢𝐭𝐞́𝐬 pour raisonner sous incertitude

𝐋𝐞 𝐜𝐚𝐥𝐜𝐮𝐥 𝐝𝐢𝐟𝐟𝐞́𝐫𝐞𝐧𝐭𝐢𝐞𝐥 pour comprendre l’optimisation des modèles

𝐋’𝐚𝐥𝐠𝐞̀𝐛𝐫𝐞 𝐥𝐢𝐧𝐞́𝐚𝐢𝐫𝐞 pour travailler avec les matrices, les vecteurs et les transformations

Ces notions sont au cœur de nombreuses méthodes utilisées en 𝐬𝐭𝐚𝐭𝐢𝐬𝐭𝐢𝐪𝐮𝐞, en 𝐞́𝐜𝐨𝐧𝐨𝐦𝐞́𝐭𝐫𝐢𝐞, en 𝐦𝐚𝐜𝐡𝐢𝐧𝐞 𝐥𝐞𝐚𝐫𝐧𝐢𝐧𝐠 et en 𝐢𝐧𝐭𝐞𝐥𝐥𝐢𝐠𝐞𝐧𝐜𝐞 𝐚𝐫𝐭𝐢𝐟𝐢𝐜𝐢𝐞𝐥𝐥𝐞.

Une fiche pratique comme celle-ci permet donc de réviser rapidement les formules essentielles : 𝐩𝐫𝐨𝐛𝐚𝐛𝐢𝐥𝐢𝐭𝐞́𝐬, 𝐝𝐞́𝐫𝐢𝐯𝐞́𝐞𝐬, 𝐦𝐚𝐭𝐫𝐢𝐜𝐞𝐬, 𝐯𝐚𝐥𝐞𝐮𝐫𝐬 𝐩𝐫𝐨𝐩𝐫𝐞𝐬 et bien d’autres notions utiles.

À retenir : pour progresser en Data Science, il ne suffit pas de savoir utiliser un logiciel. Il faut aussi comprendre les fondations mathématiques qui se cachent derrière les modèles.

Si cette publication vous a été utile, pensez à 𝒍𝒂 𝒍𝒊𝒌𝒆𝒓, 𝒍𝒂 𝒑𝒂𝒓𝒕𝒂𝒈𝒆𝒓 et à 𝒍’𝒆𝒏𝒓𝒆𝒈𝒊𝒔𝒕𝒓𝒆𝒓 pour vos révisions.

Pour aller plus loin dans l’utilisation des logiciels, des modèles statistiques et des techniques quantitatives, nous vous invitons à rejoindre la prochaine session de notre formation en 𝙀́𝙘𝙤𝙣𝙤𝙢𝙚́𝙩𝙧𝙞𝙚 𝙚𝙩 𝙏𝙚𝙘𝙝𝙣𝙞𝙦𝙪𝙚𝙨 𝙌𝙪𝙖𝙣𝙩𝙞𝙩𝙖𝙩𝙞𝙫𝙚𝙨 https://forms.gle/yZAZimRXbTFbUWZk6

#𝐃𝐚𝐭𝐚𝐒𝐜𝐢𝐞𝐧𝐜𝐞 #𝐌𝐚𝐭𝐡𝐬𝐏𝐨𝐮𝐫𝐃𝐚𝐭𝐚 #𝐌𝐚𝐜𝐡𝐢𝐧𝐞𝐋𝐞𝐚𝐫𝐧𝐢𝐧𝐠 #𝐈𝐧𝐭𝐞𝐥𝐥𝐢𝐠𝐞𝐧𝐜𝐞𝐀𝐫𝐭𝐢𝐟𝐢𝐜𝐢𝐞𝐥𝐥𝐞 #𝐄𝐜𝐨𝐧𝐨𝐦𝐞𝐭𝐫𝐢𝐞