Grille de lecture d’une étude
Construire une grille de 10 questions pour juger une étude ou un chiffre, et l’appliquer à trois exemples.
Cadre non technique qui pilote des projets data ou IA.
Comprendre les statistiques et l'IA, décider sous incertitude, organiser un flux d'analyse et maîtriser l'éthique et la sécurité des données.
Intitulés de compétences repris de Coursera.
Prérequis annoncés : No previous knowledge of data, statistics or AI necessary
| Cours | Niveau | Durée | Note (avis) |
|---|---|---|---|
| How to Describe Data | Débutant | 9 h | 4,7 (29) |
| How Science Turns Data Into Knowledge | Débutant | 11 h | 4,7 (18) |
| Decoding AI: A Deep Dive into AI Models and Predictions | Débutant | 10 h | 4,7 (29) |
Prérequis annoncés : None stated (no coding required)
| Cours | Niveau | Durée | Note (avis) |
|---|---|---|---|
| Model Thinking | Intermédiaire | 28 h | 4,8 (2 265) |
| Problem Solving Using Computational Thinking | Débutant | 12 h | 4,6 (1 313) |
| Mindware: Critical Thinking for the Information Age | Débutant | 13 h | 4,8 (1 453) |
| Leveraging GenAI to Develop Critical Thinking Skills | Débutant | 6 h | 4,3 (11) |
Prérequis annoncés : Basic familiarity with computers and internet search
| Cours | Niveau | Durée | Note (avis) |
|---|---|---|---|
| AI-Powered Data Analysis: A Practical Introduction | Débutant | 5 h | 4,5 (30) |
| Systems Thinking for AI & Automation | Débutant | 4 h | — |
| Rethink How You Decide with AI | Débutant | 5 h | — |
Prérequis annoncés : Some R programming
| Cours | Niveau | Durée | Note (avis) |
|---|---|---|---|
| Data Science as a Field | Intermédiaire | 11 h | 4,3 (41) |
| Ethical Issues in Data Science | Débutant | 24 h | 4,8 (53) |
| Cybersecurity for Data Science | Débutant | 19 h | 3,6 (36) |
| Fundamentals of Data Visualization | Intermédiaire | 15 h | 4,6 (44) |
Ce parcours représente 172 heures, soit environ 4 mois à 10 heures par semaine. L’abonnement Coursera Plus donne accès à la plupart de ses cours pendant cette période.
Construire une grille de 10 questions pour juger une étude ou un chiffre, et l’appliquer à trois exemples.
Modéliser une vraie décision d’équipe avec probabilités et valeurs attendues.
Recenser les tâches de son équipe que l’IA peut accélérer, avec gains et risques.
Rédiger une charte d’une page sur l’éthique, la confidentialité et la sécurité des données.