Dans ce projet guidé, vous allez charger, nettoyer et explorer des données de produits alimentaires issues de la base de données Open Food Facts. Vous allez d’abord vous familiariser avec Jupyter, lire les données, analyser les valeurs manquantes, nettoyer les données en se basant sur les connaissances métiers mais aussi sur des techniques statistiques, vous allez ensuite remplir les valeurs manquantes.
Dans ce projet guidé, vous allez charger, nettoyer et explorer des données de produits alimentaires issues de la base de données Open Food Facts. Vous allez d’abord vous familiariser avec Jupyter, lire les données, analyser les valeurs manquantes, nettoyer les données en se basant sur les connaissances métiers mais aussi sur des techniques statistiques, vous allez ensuite remplir les valeurs manquantes.
Pour réaliser cette analyse, vous allez utiliser JupyterLab avec les librairies data science en python telles que Pandas, Matplotlib, SeaBorn et missigno.
OpenCourser helps millions of learners each year. People visit us to learn workspace skills, ace their exams, and nurture their curiosity.
Our extensive catalog contains over 50,000 courses and twice as many books. Browse by search, by topic, or even by career interests. We'll match you to the right resources quickly.
Find this site helpful? Tell a friend about us.
We're supported by our community of learners. When you purchase or subscribe to courses and programs or purchase books, we may earn a commission from our partners.
Your purchases help us maintain our catalog and keep our servers humming without ads.
Thank you for supporting OpenCourser.