Classifications des produits

Faire découvrir aux participants le Système CANadien de Vérification et d'Imputation du Recensement, ou leur permettre d'approfondir leurs connaissances sur le sujet. Les participants recevront des exercices à réaliser en dehors des heures de cours.

Avantages pour les participants

À la fin de ce cours, les participants seront en mesure de construire leurs propres modules déterministes et/ou donneur afin de mettre en place une stratégie de V&I dans SCANVIR. Ils auront une meilleure connaissance des différents paramètres qui peuvent être utilisés et comment SCANVIR fonctionne.

Population cible

Ce cours s'adresse aux employés qui s'intéressent ou travaillent à la vérification et imputation d'une enquête, en utilisant un outil commun flexible pouvant traiter un grand volume d'enregistrements, tout type de variable, et qui permet d'appliquer des règles au sein d'un enregistrement ou entre enregistrements (par exemple, les membres d'une même famille).

Sommaire du cours

Session1 : Introduction
Session2 : Imputation déterministe
Session3 : Imputation par donneur
Session4 : Comment SCANVIR traite les sous-unités
Session5 : Comprendre les fichiers et rapports de sortie de SCANVIR
Session6 : Options plus avancées
Session7 : Session de pratique et exercices additionnels

Modalité pédagogique : Cours en classe virtuelle

Durée : 4 demi-journées (pour un total de 15 heures).

Contact :

Pour toute question ou pour vous inscrire, communiquez avec nous à

statcan.msmdsstatstraining-msmsdformationstats.statcan@statcan.gc.ca

Théorie et application de la réconciliation (Code du cours 0437)

But

Familiariser les participants aux méthodes de réconciliation et au logiciel utilisé. La réconciliation est utilisée pour rétablir la cohérence d'un ensemble de séries chronologiques, en particulier, les règles d'additivité. Les contraintes temporelles peuvent être préservées si nécessaire.

Avantages pour les participants

À la fin de ce cours, les participants comprendront certaines des méthodes de réconciliation utilisées à Statistique Canada. Ils auront acquis les connaissances techniques pour résoudre des problèmes de réconciliation en SAS et en R, ainsi que pour analyser les résultats. Le cours comprend des volets techniques et théoriques.

Population cible

Ce cours s'adresse aux employés qui s'intéressent ou qui participent à la production et à l'analyse de séries réconciliées ou au processus de réconciliation en soi.

Sommaire du cours

Le cours couvre:

Réconciliation de règles à une ou deux dimensions, avec ou sans préservation des contraintes temporelles;
Coefficients d'altérabilité;
Réconciliation avec le prorata et méthode de réconciliation proportionnelle itérative;
Les méthodes de réconciliation disponibles en SAS et en R;
Ensemble de séries chronologiques régit par de multiples règles de réconciliation;
Préservation du mouvement.

La connaissance de SAS ou de R est un atout, mais n'est pas obligatoire.

Autres cours reliés

Il s'agit d'un cours spécialisé exigeant des connaissances de base en statistique. Le cours STC0436 Théorie et application de l'étalonnage est aussi disponible.

Modalité pédagogique : Cours en classe virtuelle

Durée : 2 demi-journées

Contact :

Pour toute question ou pour vous inscrire, communiquez avec nous à

statcan.timeseriessupportsoutienenserieschronologiques.statcan@statcan.gc.ca

Séances d'information

La série de séances d'information couvre divers sujets, y compris les graphiques, les tableaux et les concepts statistiques et méthodologiques, et convient aux débutants. Les séances durent habituellement entre 60 et 90 minutes et peuvent comprendre des composantes interactives pendant la session. Elles se terminent toutes par une période de questions et réponses où les participants sont invités à poser des questions précises. Une version électronique de la présentation est offerte aux participants. Cette importante occasion d'apprentissage permet d'aider les entreprises, les gouvernements et les particuliers à utiliser les données de façon plus efficace.

Séances d'information à venir

Aucun événement n’est prévu au cours des prochains mois.

Séances d'information passés

Formation sur la littératie des données

En tant qu'organisme national de statistique du Canada, Statistique Canada s'est engagé à transmettre ses connaissances et son expertise afin d'aider tous les Canadiens et toutes les Canadiennes à développer leurs compétences en matière de littératie des données. Le but de la formation est de fournir aux apprenants et apprenantes de l'information sur les concepts et les compétences de base à l'égard d'un éventail de sujets liés à la littératie des données.

La formation s'adresse aux personnes qui commencent à travailler avec les données et aux personnes qui ont une certaine expérience de travail avec les données, mais qui souhaitent mettre leurs connaissances à jour ou les approfondir. Nous vous invitons à consulter notre catalogue d'apprentissage pour en savoir plus sur nos offres, y compris une grande collection de courtes vidéos. Assurez-vous de revenir ponctuellement puisque nous allons continuer à diffuser de nouvelles formations.

Qu'est-ce que la littératie des données?

La littératie des données est la capacité de tirer des renseignements utiles des données. Elle met l'accent sur les compétences nécessaires pour travailler avec les données, y compris les connaissances et les compétences requises pour les lire, les analyser, les interpréter, les visualiser et les communiquer ainsi que pour comprendre comment elles sont utilisées dans la prise de décisions.

La littératie des données signifie également avoir les connaissances et les compétences nécessaires pour bien assurer l'intendance des données, ce qui comprend la capacité d'évaluer la qualité des données, de les protéger et de les sécuriser, et d'en assurer l'utilisation responsable et éthique.

Compétences en littératie des données

Les compétences en matière de littératie des données sont les compétences et les connaissances dont vous avez besoin pour travailler efficacement avec les données.

Cheminement des données

Le cheminement des données représente les étapes clés du processus appliqué aux données, allant de la recherche et de l'exploration des données jusqu'à la présentation de l'histoire des données.

Catalogue d'apprentissage

Jetez un coup d'œil à la formation sur la littératie des données disponible de Statistique Canada.

Parcours d'apprentissage

Utilisez ce guide pour vous aider à naviguer dans votre parcours de la littératie des données.

Votre parcours d'apprentissage

A cartoon mountain - Une montagne de dessin animé

Nous avons tous notre propre cheminement des données à parcourir. Ce parcours d'apprentissage sera différent pour chaque apprenant. Cela dépendra, entre autres, du niveau de connaissances de base et des objectifs de chacun. La bonne nouvelle est que les apprenants peuvent personnaliser leur parcours d'apprentissage en fonction de leurs besoins et du temps dont ils disposent.

Nous sommes là pour aider chaque apprenant à trouver son propre chemin vers le sommet, même si le voyage peut sembler intimidant au début.

Considérez-nous comme votre guide sur le cheminement des données. Qu'importe votre parcours, nous nous adressons à tous, du débutant au scientifique des données.

Parcours d'apprentissage pour les employés fédéraux, provinciaux, territoriaux ou municipaux

Inscrivez-vous à la formation dispensée par les enseignants

Analyse 101 : Les étapes du processus analytique
Travailler avec des données désagrégées pour de meilleurs résultats stratégiques
Le Sprint Analytique (disponible bientôt)

Complétez nos cours gratuits en ligne à votre rythme

Parcours d'apprentissage de la littératie des données
Fondements de l'analyse des données : le processus analytique (DDN320)
Adéquation de la qualité des données à l'utilisation prévue
Littératie des données dans la fonction publique
Élaborer des politiques efficaces grâce aux données désagrégées (DDN323)

Pour obtenir des renseignements généraux au sujet de nos cours y compris comment s'y inscrire, communiquez avec la Direction des études analytiques et de la modélisation : statcan.asbtraining-deaformation.statcan@statcan.gc.ca

Compétences en matière de littératie des données

Les compétences en matière de littératie des données sont les compétences et les connaissances dont vous avez besoin pour travailler efficacement avec les données.

Analyse des données: Connaissance et compétences requises pour poser une série de questions et y répondre en analysant les données, notamment en élaborant un plan d'analyse, en sélectionnant et en utilisant des techniques et des outils statistiques appropriés, et en interprétant, en évaluant et en comparant les résultats avec d'autres conclusions.
Collecte de données: La connaissance et les compétences requises pour rassembler des données sous des formes simples et plus complexes pour répondre aux besoins de la personne responsable de la collecte. Ce processus peut comprendre la planification, l'élaboration et la réalisation d'enquêtes ou la collecte de données provenant d'autres sources, comme les données administratives, les données satellites ou les données de médias sociaux.
Création et utilisation des métadonnées: La connaissance et les compétences requises pour extraire et créer de la documentation utile pour permettre d'utiliser et d'interpréter correctement les données. Ce processus comprend la documentation des métadonnées, c'est-à-dire les définitions et descriptions sous-jacentes des données.
Découverte de données: La connaissance et les compétences requises pour chercher, identifier et localiser les données ainsi que pour y accéder à partir d'un grand éventail de sources liées aux besoins d'une organisation.
Éthique des données: La connaissance qui permet à une personne d'acquérir, d'utiliser, d'interpréter et de partager des données de manière éthique, y compris la prise en considération des questions juridiques et éthiques (p. ex. biais, protection des renseignements personnels).
Évaluation de la qualité des données: La connaissance et les compétences requises pour faire une évaluation critique des sources de données pour vérifier qu'elles répondent aux besoins d'une organisation. Il s'agit notamment de cibler les erreurs ou les problèmes et de prendre des mesures pour les corriger. Pour ce faire, il faut également posséder une connaissance des politiques, procédures et normes organisationnelles visant à garantir la qualité des données.
Évaluation des décisions en fonction des données: La connaissance et les compétences requises pour évaluer une série de sources de données et de faits probants afin de prendre des décisions et des mesures. Ce processus peut comprendre le suivi et l'évaluation de l'efficacité des politiques et des programmes.
Exploration des données: La connaissance et les compétences requises pour connaître le contenu des données au moyen d'une série d'outils et de méthodes. Les méthodes comprennent les statistiques sommaires; les tableaux statistiques; la détection des valeurs aberrantes; et la visualisation afin d'explorer les tendances dans les données et les interactions entre elles.
Gestion et organisation des données: La connaissance et les compétences requises pour naviguer dans les systèmes internes et externes pour localiser, obtenir, organiser, protéger et stocker les données liées aux besoins d'une organisation.
Histoire des données: La connaissance et les compétences requises pour décrire les principaux points d'intérêt des données statistiques (c.-à-d. des données qui ont été analysées). Il s'agit notamment de définir le résultat souhaité de la présentation, de déterminer les besoins du public et son niveau de connaissance du sujet, d'établir le contexte et de sélectionner des visualisations efficaces.
Intendance des données: La connaissance et les compétences requises pour gérer efficacement les actifs en données, y compris la surveillance des données pour vérifier qu'elles sont adaptées à l'utilisation, qu'elles sont accessibles et qu'elles sont conformes aux politiques, directives et règlements.
Interprétation des données: La connaissance et les compétences requises pour lire et comprendre les tableaux, graphiques et diagrammes, et définir les points d'intérêt. L'interprétation des données comprend également la synthèse des données provenant de sources connexes.
Modélisation des données: La connaissance et les compétences requises pour appliquer des techniques et d'outils statistiques et analytiques avancés (p. ex. la régression, l'apprentissage automatique, l'exploration de données) pour étudier les données et créer des solutions de modélisation précises, valides et efficaces qui peuvent être utilisées pour trouver des relations entre les données et faire des prédictions sur ces dernières.
Nettoyage des données: La connaissance et les compétences requises pour vérifier si les données sont « propres » et résoudre les problèmes éventuels en utilisant les meilleures méthodes et les meilleurs outils pour s'assurer que les données sont adaptées à l'analyse.
Outils de données: La connaissance et les compétences requises pour utiliser des outils, des logiciels et des processus appropriés pour recueillir, organiser, analyser, visualiser et gérer les données.
Prise de décisions fondée sur des données probantes: La connaissance et les compétences requises pour utiliser les données dans le cadre de la prise de décisions et de l'élaboration des politiques. Il s'agit notamment de faire preuve d'esprit critique lorsqu'on traite des données, de formuler des questions professionnelles appropriées, de définir les ensembles de données appropriés, de décider des priorités en matière de mesure, de hiérarchiser les renseignements obtenus à partir des données, de convertir les données en renseignements exploitables, et d'évaluer les mérites et les incidences des solutions et décisions possibles.
Sensibilisation aux données: Les connaissances requises pour comprendre ce que sont les données et les différents types de données. Ces connaissances visent notamment à comprendre l'utilisation des concepts et des définitions des données.
Visualisation des données: La connaissance et les compétences requises pour créer des tableaux, des graphiques et des diagrammes utiles qui offrent une présentation visuelle des données, y compris l'évaluation de l'efficacité des représentations visuelles (p. ex. l'utilisation du graphique adéquat) en tenant compte de leur exactitude pour éviter une fausse représentation des données.

Cheminement des données

Étapes du cheminement des données

Le cheminement des données représente les étapes clés du processus appliqué aux données. Le cheminement n'est pas nécessairement linéaire; il vise à représenter les différentes étapes et activités qui pourraient être entreprises en vue de produire de l'information significative à partir des données.

Étape 1 : Définir, trouver, recueillir

La première étape consiste à obtenir des données, qu'il s'agisse d'utiliser une base de données préétablie ou d'établir les variables nécessaires et de créer et mettre en œuvre une méthode de collecte. Des mesures de sécurité devraient être établies et mises en œuvre pour protéger l'intégrité des données une fois qu'elles ont été recueillies.

Les compétences suivantes s'appliquent à cette étape : la découverte, la collecte, la gestion et l'organisation des données.

Étape 2 : Explorer, nettoyer, décrire

Il faut explorer les données pour comprendre le format et les variables et les vérifier pour voir s'il y a des erreurs et des valeurs manquantes. Il peut être nécessaire de nettoyer les données avant de les utiliser à des fins d'analyse, ce qui comprend notamment la correction du formatage, le retrait ou la correction de données erronées, ou tout simplement le retrait d'espace supplémentaire. Il est important de documenter ce que vous avez trouvé et ce que vous avez fait pour nettoyer les données.

Les compétences suivantes s'appliquent à cette étape : le nettoyage et l'exploration des données.

Étape 3 : Analyser, modéliser

Le but de l'analyse et de la modélisation est d'utiliser des techniques statistiques pour transformer les données en information afin de fournir des observations utiles. L'analyse et la modélisation servent à décrire un phénomène, à tirer des conclusions au sujet d'une population ou à faire des prédictions au sujet d'événements futurs.

Les compétences suivantes s'appliquent à cette étape : l'analyse et la modélisation des données, et/ou l'évaluation de décisions en fonction des données.

Étape 4 : Raconter l'histoire

L'information statistique qui provient de l'analyse et de la modélisation est plus facile à assimiler si elle est présentée sous forme d'histoire. Il peut s'agir d'un document de recherche, d'une infographie, d'un article pour les médias ou d'une combinaison de ces méthodes et d'autres méthodes de présentation des données.

Les compétences suivantes s'appliquent à cette étape : l'interprétation et la visualisation des données, et/ou l'histoire des données.

Connaissance et compétences de base : intendance, métadonnées, normes et qualité

Pour suivre avec succès les étapes du cheminement des données, il est essentiel de bâtir votre travail sur une base solide d'intendance, de métadonnées, de normes et de qualité.

L'intendance englobe toutes les activités visant à régir et à protéger les données.
Les métadonnées devraient décrire l'ensemble du traitement et des manipulations dont les données ont fait l'objet.
Les méthodes, les pratiques et les classifications standards devraient être appliquées tout au long du processus.
La qualité devrait être gérée de façon proactive tout au long du processus et tous les produits livrables doivent être assortis d'indicateurs de qualité pertinents.

Catalogue d'apprentissage de la formation de la littératie des données

Le catalogue d'apprentissage en littératie des données, organisé selon les étapes du cheminement des données, peut être classé par titre, par compétence en matière des données, par niveau et par type.

Nous avons créé un parcours d'apprentissage que vous pouvez utiliser comme guide pour vous aider à naviguer dans votre parcours de la littératie des données.

Sauter aux options de filtrage du tableau

Catalogue d'apprentissage de la formation de la littératie des données
Titre	Cheminement des données	Compétence	Niveau	Type
Adéquation de la qualité des données à l'utilisation prévue Ce cours s'adresse aux employés du gouvernement du Canada qui souhaitent en apprendre d'avantage sur l'évaluation de la qualité des données destinées à une utilisation particulière.	Base	Évaluer la qualité des données	Intermédiaire	Cours
Analyse 101 : Comment interpréter un tableau de données Dans cette vidéo, nous vous présenterons les notions de base à propos de ce qui suit : Pourquoi les tableaux de données sont-ils importants? Comment les tableaux de données sont-ils structurés? Comment interpréter les indicateurs de la qualité des données dans un tableau?	Analyser – Modéliser	Analyse des données Interprétation des données	Débutant	Vidéo
Analyse 101, partie 1 : Élaborer un plan d'analyse Cette vidéo s'adresse aux apprenants qui veulent acquérir une compréhension de base de l'analyse.	Analyser – Modéliser	Analyse des données	Débutant	Vidéo
Analyse 101, partie 2 : Mettre en œuvre le plan d'analyse Maintenant que vous avez appris à planifier un projet d'analyse, nous discuterons des pratiques exemplaires pour la mise en œuvre de votre plan.	Analyser – Modéliser	Analyse des données	Débutant	Vidéo
Analyse 101, partie 3 : Communiquer ses conclusions Maintenant que vous avez appris à planifier un projet d'analyse et à analyser vos données, nous discuterons des pratiques exemplaires en ce qui concerne l'interprétation de vos résultats et la communication de vos conclusions.	Analyser – Modéliser	Analyse des données	Débutant	Vidéo
Analyse 101, partie 4 : étude de cas Dans cette vidéo, nous allons revoir les étapes du processus analytique et vous aurez une meilleure compréhension de la façon dont les analystes font chaque étape du processus analytique par un exemple que nous allons vous montrer.	Analyser – Modéliser	Analyse des données	Débutant	Vidéo
Apprentissage automatique : une introduction Bienvenue à l'apprentissage automatique : une introduction. Nous expliquerons ici les concepts de base de l'apprentissage automatique, et nous inclurons un Cadre pour l'utilisation des processus d'apprentissage automatique de façon responsable.	Analyser – Modéliser	Collecte des données Exploration des données Interprétation des données Modélisation des données Prise de décision basée sur des preuves	Intermédiaire	Vidéo
Cadre pour l'utilisation des processus d'apprentissage automatique de façon responsable à Statistique Canada Le présent document est un guide pour les utilisateurs qui désirent élaborer et mettre en œuvre des projets d'apprentissage automatique. Il fournit une orientation et des conseils pratiques sur la façon responsable d'élaborer ces processus automatisés.	Analyser – Modéliser	Collecte des données Exploration des données Interprétation des données	Intermédiaire	Publication
Centre de formation du recensement Ces vidéos sont une source de référence pour les utilisateurs qui découvrent les concepts du recensement ou ceux qui ont une certaine expérience de ces concepts, mais qui peuvent avoir besoin d'une remise à niveau ou qui souhaitent approfondir leurs connaissances.	Base	Analyse des données Exploration des données Interprétation des données Outils de données	Débutant	Vidéo
Cheminement des données : éléments d'une navigation réussi Dans cette vidéo, vous apprendrez les étapes et les activités liées au cheminement des données, ainsi que les bases sur lesquelles il repose.	Base	Découverte des données Gestion et organisation des données	Débutant	Vidéo
Exactitude et validation des données : méthodes pour assurer la qualité des données Dans cette vidéo, nous présenterons des méthodes pour mettre en lumière le concept d'exactitude, sur le plan de la validité et de la précision.	Explorer – Nettoyer – Décrire	Découverte des données Évaluation de la qualité des données Nettoyage des données	Débutant	Vidéo
Intendance des données : introduction La collecte de données consiste d'abord à déterminer les données dont vous avez besoin, puis à savoir où les trouver, comment les obtenir et comment assurer leur sécurité. Cette vidéo vous présente les éléments dont vous devriez tenir compte au moment de recueillir des données.	Base	Collecte des données	Débutant	Vidéo
Intendance des données : Introduction aux normes en matière de données et aux métadonnées Que vous recueilliez de nouvelles données ou que vous utilisiez des données existantes, appliquer des normes en matière de données vous facilitera la vie. Et documenter vos données sous forme de métadonnées permettra à d'autres de les trouver, de les comprendre et de les utiliser.	Base	Analyse des données Création et utilisation de métadonnées Gestion et organisation des données Intendance des données Interprétation des données	Débutant	Vidéo
Les statistiques : le pouvoir des données! Cette ressource fut créée pour aider les élèves et enseignants à soutirer le maximum des statistiques.	Base	Analyse des données Sensibilisation aux données	Débutant	Publication
L'éthique des données (partie 2) : les examens éthiques Que sont les examens éthiques? Comment les examens éthiques aident-ils Statistique Canada à appliquer les principes de l'éthique des données tout au long du cheminement des données? En vous présentant un exemple de cas d'utilisation possible, cette vidéo vous montre comment Statistique Canada utilise les examens éthiques pour appliquer les principes de l'éthique des données tout au long du cheminement des données.	Base	Évaluation de la qualité des données Intendance des données Sécurité des données et gouvernance	Débutant	Vidéo
L'éthique des données : une introduction Une introduction à l'éthique des données, pourquoi elle est importante, et les 6 principes directeurs de l'éthique des données mis en œuvre par Statistique Canada.	Base	Intendance des données Sécurité des données et gouvernance	Débutant	Vidéo
Libérer la puissance du couplage de données Cette vidéo est destinée aux professionnels, aux décideurs politiques et aux chercheurs qui s'intéressent à la manière dont le couplage de données peut être utilisé pour obtenir des informations plus approfondies sur diverses questions. Elle montre comment la combinaison de données provenant de différentes sources peut aider à combler les lacunes en matière d'information, conduisant à des politiques mieux informées et à de meilleurs résultats.	Explorer – Nettoyer – Décrire	Collecte des données Exploration des données	Intermédiaire	Vidéo
L'importance des données désagrégées : introduction (partie 1) Cette courte vidéo explique comment il est efficace d'utiliser des données désagrégées pour tous les ordres de gouvernement et toutes les organisations au service des collectivités pour prendre des décisions de politique publique fondées sur les données probantes. En utilisant des données désagrégées, les décideurs sont en mesure de concevoir des politiques plus appropriées et plus efficaces qui répondent aux besoins de chaque Canadien diversifié et unique.	Fondation	Création et utilisation de métadonnées	Débutant	Vidéo
L'importance des données désagrégées : introduction (partie 2) Cette courte vidéo explique comment l'utilisation de données désagrégées peut aider les décideurs à élaborer des politiques plus précises et plus efficaces, puisqu'ils seront en mesure de cerner les besoins et les défis uniques des différents groupes démographiques.	Fondation	Création et utilisation de métadonnées	Débutant	Vidéo
Principes des données FAIR : qu'entend-on par FAIR? Ce que signifie être FAIR en ce qui concerne les données et les métadonnées, et comment chaque pilier de FAIR sert à guider les utilisateurs et les producteurs dans le cheminement des données.	Base	Création et utilisation de métadonnées Intendance des données	Débutant	Vidéo
Qualité des données en six dimensions Une introduction aux fondements de la qualité des données, qui peuvent se résumer en six dimensions, ou six façons différentes de penser à la qualité. Apprendre également comment chaque dimension peut être utilisée pour évaluer la qualité des données.	Base	Évaluation de la qualité des données	Débutant	Vidéo
Que sont les données? Introduction à la terminologie et aux concepts relatifs aux données Cette vidéo présentera certains concepts et termes de base relatifs aux données.	Base	Sensibilisation aux données	Débutant	Vidéo
Raconter l'histoire des données : comment créer des histoires qui comptent Cette vidéo vise à aider les apprenants à comprendre comment utiliser les données pour raconter des histoires intéressantes et instructives.	Raconter l'histoire	Interprétation des données Visualisation des données Raconter une histoire	Débutant	Vidéo
Recueillir des données : éléments à prendre en considération avant de recueillir des données La collecte de données consiste d'abord à déterminer les données dont vous avez besoin, puis à savoir où les trouver, comment les obtenir et comment assurer leur sécurité. Cette vidéo vous présente les éléments dont vous devriez tenir compte au moment de recueillir des données.	Définir – Trouver – Recueillir	Collecte des données	Débutant	Vidéo
Remettre en question les données : Aide-mémoire Cet outil de travail est conçu pour vous aider à évaluer de manière critique les données qui vous sont présentées.	Base	Évaluer la qualité des données Outils de données	Débutant	Outil
Statistique 101 : corrélation et causalité La présente vidéo s'adresse aux personnes qui souhaitent acquérir une compréhension de base de la corrélation et de la causalité.	Analyser – Modéliser	Analyse des données Interprétation des données Prise de decision basée sur les données Visualisation des données	Débutant	Vidéo
Statistique 101 : explorer les mesures de la dispersion À la fin de cette vidéo, vous devriez avoir une compréhension de base des mesures de dispersion comme l'étendue, l'intervalle interquartile et l'écart-type.	Explorer – Nettoyer – Décrire	Exploration des données Interprétation des données	Débutant	Vidéo
Statistique 101 : explorer les mesures de la tendance centrale Cette vidéo s'adresse aux apprenants qui veulent acquérir une connaissance de base du concept de tendance centrale et de ce qu'il signifie, ainsi que de certaines méthodes clés qui s'y rapportent et qui sont utilisées pour explorer les données.	Explorer – Nettoyer – Décrire	Exploration des données Interprétation des données	Débutant	Vidéo
Statistique 101 : intervalles de confiance Ce que sont les intervalles de confiance, pourquoi nous les utilisons et quels facteurs ont un impact sur eux.	Base	Analyse des données Interprétation des données	Débutant	Vidéo
Statistique 101 : proportions, ratios et taux Dans cette vidéo, nous vous expliquons les concepts des proportions, des ratios et des taux, ainsi que leurs différences.	Analyser – Modéliser	Exploration des données Interprétation des données	Débutant	Vidéo
Statistiques 101 : biais statistique Dans cette vidéo, nous expliquerons le concept de biais statistique, qui se produit lorsque les statistiques diffèrent systématiquement de la réalité qu'elles tentent de mesurer en raison de problèmes liés à la manière dont les données ont été produites.	Base	Analyse des données Évaluation de la qualité des données Identifier les problèmes à l'aide des donnés	Débutant	Vidéo
Trousse de la qualité des données Cette trousse mieux fait connaître les pratiques d'assurance de la qualité des données.	Base	Évaluation de la qualité des données	Intermédiaire	Outils
Types de données : comprendre et explorer les données Il est important de définir les différents types de données et de les comprendre afin de choisir la méthode appropriée pour analyser les données et présenter les résultats.	Explorer – Nettoyer – Décrire	Collecte des données	Débutant	Vidéo
Vidéos de formation QGIS Suivez ces tutoriels et apprenez les concepts et les procédures clés pour exécuter les tâches courantes associées aux SIG, comme la création de cartes, la combinaison et la superposition d'ensembles de données et l'analyse des variations spatiales.	Analyser – Modéliser	Exploration des données Modélisation des données Visualisation des données	Essentiel Intermédiaire Avancé	Vidéo
Visualisation des données : Pratiques exemplaires Bien utilisés, les graphiques (incluant les figures et les diagrammes) peuvent simplifier la présentation d'information et la communication de messages clairs et précis. Devant la vaste gamme d'options offertes, la création de graphiques peut parfois s'avérer complexe. Le présent document se veut un guide de référence pour créer des graphiques efficaces, tirant profit des options disponibles.	Raconter l'histoire	Visualisation des données Raconter une histoire	Débutant	Publication
Visualisation des données : Une introduction Cette vidéo donne un aperçu de la visualisation des données et de la façon de l'utiliser pour raconter votre histoire.	Raconter l'histoire	Raconter une histoire Visualisation des données	Débutant	Vidéo

S'abonner à

Date de modification :: 2025-08-22

Canada

Classification Canadienne de la Recherche et Développement (CCRD)

Classification type des biens transportés (CTBT)

Classification type des biens (CTB)

Système de classification des produits de l'Amérique du Nord (SCPAN) Canada

Système harmonisé de désignation et de codification des marchandises (SH)

Autre

Site Web trilatéral du Système de classification des produits de l'Amérique du Nord (SCPAN)

Système harmonisé de désignation et de codification des marchandises (SH)

Outils de recherche des classifications

Industrie

Système de classification des industries de l'Amérique du Nord (SCIAN) Canada

Professions

Classification nationale des professions (CNP)

Géographie

Classification géographique type (CGT)

Programmes d'enseignement

Classification des programmes d'enseignement (CPE) Canada

Classifications des produits

Système de classification des produits de l'Amérique du Nord (SCPAN) Canada

Classification Canadienne de la Recherche et Développement (CCRD)

Industrie

Système de classification des industries de l'Amérique du Nord (SCIAN) Canada

SCIAN Canada 2022 version 1.0

SCIAN Canada 2017

SCIAN Canada 2012

SCIAN Canada 2007

SCIAN Canada 2002

SCIAN Canada 1997

Classification type des industries (CTI)

CTI 1980

Professions

Classification nationale des professions (CNP)

CNP 2021 version 1.0

CNP 2016 version 1.3

CNP 2011

CNP 2006

CNP 1991

Classification internationale type des professions (CITP)

CITP 2008

Classification nationale des professions - statistiques (CNP-S)

CNP-S 2006

CNP-S 2001

Classification type des professions (CTP) Classification renommée « Classification nationale des professions »

CTP 1991

CTP 1980

Standard Occupational Classification (SOC) Classification des États-Unis

Produits

Système de classification des produits de l'Amérique du Nord (SCPAN) Canada

SCPAN Canada 2022 version 1.0

SCPAN Canada 2017

SCPAN Canada 2012

Système harmonisé de désignation et de codification des marchandises (SH)

Classification type des biens (CTB)

Géographie

Classification géographique type (CGT)

CGT 2021

CGT 2016

CGT 2011

CGT 2006

CGT 2001

CGT 1996

CGT 1991

Programmes d'enseignement

Classification des programmes d'enseignement (CPE)

CPE 2021

CPE 2016

CPE 2011

CPE 2000

Principal domaine d'études (PDÉ)

Classification internationale type de l'enseignement (CITE)

But

Avantages pour les participants

Population cible

Sommaire du cours

But

Avantages pour les participants

Population cible

Sommaire du cours

Autres cours reliés