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.

Questões gratuitas

10

Modo certificante

10 questões

Banco

10 questões

Nota de aprovação

70%

Seja aprovado na versão curta para obter gratuitamente o Certificado Essencial. O pagamento desbloqueia a versão aprofundada e o Certificado de Excelência, mais valorizado.

Você pode fazer o quiz sem conta. Para receber seus resultados por e-mail e mantê-los no seu histórico, crie uma conta.