05 — Jour 2 · Explorer avant de modeliser

Ce quiz de la deuxième journée porte sur l'exploration des données avant toute modélisation, à partir des courses de taxis jaunes de New York stockées dans un DataFrame Spark. Il couvre le calcul de tranches de montant avec floor et cast, la construction d'une heatmap par jour de semaine et par heure, le pivot, la numérotation de dayofweek et la lecture d'un nuage de points tarif/distance sur plusieurs millions de lignes. Il aborde aussi les pièges d'interprétation : le tarif forfaitaire qui forme un palier, la différence entre corrélation et causalité, l'accuracy trompeuse sur des classes déséquilibrées, le choix de la cible et des variables en régression, et l'effet de l'échelle des variables sur un K-means. Le niveau attendu est intermédiaire : vous connaissez déjà les DataFrames et les fonctions de pyspark.sql.functions, et vous avez des notions de Spark ML. À la fin, vous saurez vérifier si une agrégation ou un graphique rend bien compte des données, repérer une fuite de données ou un biais de lecture, et justifier un prétraitement avant d'entraîner un modèle.

Free questions

10

Certification mode

10 questions

Question bank

10 questions

Passing score

70%

Pass the short version to earn the free Essential Certificate. Payment unlocks the in-depth version and the Excellence Certificate, which carries more weight.

You can take the quiz without an account. To receive your results by email and keep them in your history, create an account.