Aller au contenu
Apprendre.
  • M1 · toutes les matières15 matières : Préparation de données, API & sécurité, CI/CD, Docker, Merise, Dataviz, KNIME, ML appliqué : projet LoL, SQL & UML, SQL avancé, Machine Learning, Git, IA frugale & responsable, Qualité des données, MathématiquesAnnée
  • M2 · toutes les matières4 matières : Deep Learning, AI Act, Comex & Fundraising, Gouvernance & DataMeshAnnée
  • Deep LearningM2 · 4 modules · Réseaux de neurones, CNN, texte, modèles génératifs.Matière
  • Préparation de donnéesM1 · 3 modules · Nettoyer, transformer et fusionner des données avec Python.Matière
  • API & sécuritéM1 · 2 modules · Consommer, concevoir et sécuriser des API.Matière
  • CI/CDM1 · 1 module · Intégration et livraison continues.Matière
  • DockerM1 · 3 modules · Conteneurs, images, volumes, réseaux, Compose.Matière
  • MeriseM1 · 2 modules · Modéliser une base : MCD, MLD, MPD.Matière
  • DatavizM1 · 2 modules · Visualiser pour comprendre et décider.Matière
  • KNIMEM1 · 1 module · Explorer et nettoyer des données en workflow.Matière
  • ML appliqué : projet LoLM1 · 2 modules · Du besoin métier au POC de vision par ordinateur.Matière
  • SQL & UMLM1 · 3 modules · Modèles UML et requêtes SQL.Matière
  • SQL avancéM1 · 3 modules · Jointures, fenêtres, CTE, optimisation.Matière
  • Machine LearningM1 · 3 modules · Régression, classification, segmentation, projet.Matière

↑↓ naviguer↵ ouvre le résultat en surbrillanceesc fermer

Partie 1 · Lire et choisir

Choisir le bon graphique

Règle d'or du cours : on ne choisit pas un graphique parce qu'il est joli. On le choisit en fonction du type de variable et de la question que l'on pose. Un graphique peut être propre, lisible, techniquement correct… et ne répondre à aucune question analytique.

VariablesQuestionGraphiqueExemple burgers
1 variable numériquevoir la distributionHistogrammeburgers vendus par jour
2 variables numériquesobserver une relationScatter plottempérature vs ventes
catégoriescomparer des groupesBar chartventes par ville
catégorie + numériquecomparer des distributionsBoxplotpromo vs ventes
catégoriesvoir une proportion globalePie charttypes de burgers

Vérifie que tu as compris

Tu veux voir si la température influence les ventes (deux variables numériques). Quel graphique ?

Histogramme (burgers vendus par jour) : le cours lit des ventes concentrées autour de 130 par jour, dispersion modérée, sans valeur extrême évidente. Scatter : relation positive entre température et ventes ; quand la température augmente, les ventes tendent à augmenter.

2100611014120201301214051501160Burgers vendus par jour (exemple ajouté)TempératureBurgers vendus

Schémas d'illustration avec des données ajoutées (exemple ajouté).

Vérifie que tu as compris

Un nuage de points montant de gauche à droite signifie…

Bar chart : ventes moyennes par ville (Paris le plus élevé, Lille plus faible : différences de demande locale). Boxplot : ventes avec/sans promotion ; avec promo la médiane est plus élevée et la distribution globalement plus haute, ce qui suggère un effet positif. Pie chart : répartition des types de burgers (cheeseburger la plus grande part, puis chicken, végétarien plus faible) ; il montre une proportion globale.

140Paris120Lyon95Lille70BrestVentes moyennes par ville (exemple ajouté)Sans promoAvec promo

Vérifie que tu as compris

Quel graphique compare la distribution des ventes entre jours avec promo et sans promo ?