Partie 1 : Il est temps de commencer l'apprentissage des données

Chapitre 1 Introduction
Compétences du futur au XXIe siècle, les 4C
Histoire des ordinateurs et de la résolution de problèmes

Chapitre 2 : Science des données : le domaine le plus en vogue du XXIe siècle
Analyse des tendances des champs de données avec le volume de recherche Google
Définitions diverses et diagrammes de Venn de la science des données.

Chapitre 3 : Remettre en question les données dans nos vies
Collecte des données de température
Poser des questions sur les données de température
La station où le plus grand nombre de personnes montent et descendent aux heures de pointe
Collecte de données sur les transports publics
Posez des questions et trouvez des réponses grâce aux données sur les transports publics

Chapitre 4 : Comment prédire l'avenir avec le plus de précision
Collecte de données démographiques
Poser des questions sur les données démographiques
Développer la culture des données pour lire et écrire des données

Partie 2 : Développer la culture des données

Chapitre 5 : Survivre en tant que consommateur-producteur de médias intelligents à l’ère des données
Examinez de plus près les données de notation
Ne vous laissez pas influencer par les résultats des sondages d'opinion.
Voir au-delà des sondages

Chapitre 6 : Le processus de recommandation de films
Histoire des systèmes de recommandation et des différents algorithmes
Utiliser judicieusement les systèmes de recommandation
Conseils pratiques pour réduire le biais de confirmation

Chapitre 7 : On voit ce que l’on sait ! Le pouvoir des statistiques pour interpréter les données
Attention au piège ordinaire
Visualisation des données à l'aide de diagrammes en boîte

Chapitre 8 : Découvrir les relations cachées dans les données
Identifier la relation entre deux sujets à l'aide d'un diagramme de dispersion
Interpréter correctement les corrélations

Chapitre 9 : Un film à gros budget peut-il être un succès au box-office ?
Mise en évidence des tendances entre deux variables
Prédire la taille de l'audience grâce à l'apprentissage automatique

Chapitre 10 : Analyser les données plus en profondeur et éviter les idées fausses
Idées fausses : les résoudre à l’aide de diagrammes mosaïques et de probabilités conditionnelles
Le paradoxe selon lequel la division en deux groupes produit des résultats opposés

Chapitre 11 : Puis-je faire confiance aux résultats de mon test de dépistage de la COVID-19 ?
Clés pour améliorer la précision des tests : sensibilité et spécificité
Le point aveugle de la précision à 99 % des tests de dépistage de la COVID-19
L’équilibre délicat des tests d’hypothèses : erreurs de type I et de type II

Chapitre 12 : Les biais peuvent-ils être corrigés par les données ?
Comprendre la loi de Bayes, fondement de l'apprentissage automatique
Le processus de mise à jour des croyances par l'expérience

Partie 3 : Il est temps d'utiliser la culture des données

Chapitre 13 Que se passe-t-il sur ce graphique ?
Exploration des données par la visualisation
Comment développer ses compétences en analyse de données avec le New York Times

Chapitre 14 : La culture des données au quotidien
Guide d'utilisation de la culture des données
Exemples de culture des données dans la vie quotidienne

Chapitre 15 : Créer un sondage qui permette de passer des questions aux conclusions
Créez un questionnaire et recevez les données de réponse
Analyse des données de réponse à l'enquête à l'aide de CODAP

Chapitre 16 : Analyse des tendances des données pour prédire la température de Séoul en 2050
Analyse des tendances des données de température
Prévoir les températures en 2050 grâce à l'apprentissage automatique

Chapitre 17 : L’heure est à l’éthique des données
Le lien entre les données et l'intelligence artificielle
Les dangers des biais dans les données
L’ombre du développement de l’IA : éthique et responsabilité

Des secrets des systèmes de notation et de recommandation de restaurants aux pièges des statistiques et de l'analyse des tendances !
Le monde passionnant de la science des données commence dans la vie de tous les jours !

Il n'est pas exagéré de dire qu'aujourd'hui, avec l'émergence de l'intelligence artificielle générative et son application dans le monde des affaires, nous sommes véritablement entrés dans l'ère des données.
Consulter les avis sur les restaurants pour choisir son déjeuner, commander les produits de première nécessité recommandés par une application de shopping, et même échanger des messages avec un(e) inconnu(e) lors d'un rendez-vous à l'aveugle pendant une séance de flirt intense, tout cela génère une mine d'informations.
Cependant, comme le dit l'adage, « Celui qui tient une faucille à la main ne sait pas s'en servir », si vous ne maîtrisez pas l'analyse des données, c'est-à-dire la capacité de lire et d'interpréter des données, vous ne pourrez tirer aucune information des données qu'elles contiennent, même s'il s'agit d'une mine d'or de données juste sous vos yeux.
Écrit par un enseignant en exercice et expert en éducation aux données, « Minimum Data Literacy » est un ouvrage d'introduction qui aide les étudiants non spécialisés et les élèves du secondaire à aborder facilement la science des données.
Des secrets des systèmes de notation et de recommandation de restaurants aux statistiques, à la science des données et même à l'apprentissage automatique simple, ce livre vous apprendra comment exploiter les données dans votre vie quotidienne et professionnelle pour prendre des décisions efficaces et basées sur les données.
Allons au-delà de la simple lecture et interprétation des données, voyons le monde sous un nouveau jour grâce aux données et vivons avec sagesse dans l'ère complexe de l'intelligence artificielle !