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.

Preguntas gratuitas

10

Modo certificado

10 preguntas

Banco

10 preguntas

Umbral de aprobado

70%

Supera la versión corta para obtener gratis el Certificado Esencial. El pago desbloquea la versión avanzada y el Certificado de Excelencia, más valorado.

Puedes hacer el quiz sin cuenta. Para recibir tus resultados por email y conservarlos en tu historial, crea una cuenta.