Régression sur données sociales
Expliquer une variable sociale par régression sur une enquête publique et discuter les limites.
Profil sciences sociales attiré par la programmation et les données.
Python, méthodes et statistique en sciences sociales, puis analyse de réseaux, simulation, données massives et éthique de l’IA.
Intitulés de compétences repris de Coursera.
Prérequis annoncés : No prerequisites; designed as an on-ramp to programming
| Cours | Niveau | Durée | Note (avis) |
|---|---|---|---|
| Programming for Everybody (Getting Started with Python) | Débutant | 17 h | 4,8 (233 775) |
| Python Data Structures | Débutant | 20 h | 4,9 (97 365) |
| Using Python to Access Web Data | Débutant | 19 h | 4,8 (44 591) |
| Using Databases with Python | Débutant | 14 h | 4,8 (21 659) |
| Capstone: Retrieving, Processing, and Visualizing Data with Python | Débutant | 9 h | 4,7 (14 483) |
Prérequis annoncés : No prior experience required
| Cours | Niveau | Durée | Note (avis) |
|---|---|---|---|
| Quantitative Methods | Débutant | 30 h | 4,7 (2 441) |
| Qualitative Research Methods | Intermédiaire | 27 h | 4,6 (1 423) |
| Basic Statistics | Débutant | 17 h | 4,6 (4 688) |
| Inferential Statistics | — | 15 h | 4,4 (615) |
| Methods and Statistics in Social Science - Final Research Project | Débutant | 18 h | 4,4 (71) |
Prérequis annoncés : No prior experience required
| Cours | Niveau | Durée | Note (avis) |
|---|---|---|---|
| Computational Social Science Methods | Débutant | 11 h | 4,7 (357) |
| Big Data, Artificial Intelligence, and Ethics | Débutant | 9 h | 4,6 (784) |
| Social Network Analysis | Débutant | 10 h | 4,7 (248) |
| Computer Simulations | Débutant | 13 h | 4,5 (87) |
| Computational Social Science Capstone Project | Intermédiaire | 14 h | 4,7 (44) |
Ce parcours représente 243 heures, soit environ 6 mois à 10 heures par semaine. L’abonnement Coursera Plus donne accès à la plupart de ses cours pendant cette période.
Expliquer une variable sociale par régression sur une enquête publique et discuter les limites.
Construire et analyser le réseau d’une communauté en ligne : centralités et groupes.
Programmer un modèle de ségrégation de Schelling et étudier l’effet des paramètres.