Tutoriels d'analyse de données

Apprenez l'analyse des séries temporelles avec R et utilisez un package de prévision pour ajuster la série observée au modèle optimal.

Apprenez à créer des visualisations de base de différentes structures de données avec Bokeh.

Le nettoyage des données est un pilier de la data science. Découvrez son importance et comment utiliser Python pour mener ce processus.

L'inégalité triangulaire est bien plus qu'un principe géométrique : c'est une pierre angulaire des mesures de distance en data science. Découvrez comment ce concept mathématique élégant alimente des algorithmes en géométrie algorithmique, en optimisation et en machine learning.

Mettre en œuvre l’instruction assert en Python est simple : on l’utilise pour tester des conditions et afficher un message si la condition est fausse.

Dans ce tutoriel, explorez les différents aspects des fonctions récursives et implémentez pas à pas une fonction récursive en Python.

Apprenez à utiliser Python et R ensemble pour exploiter le meilleur des deux dans un seul projet de data science.

Apprenez à utiliser ggplot2 dans R pour créer des visualisations percutantes de données sur le changement climatique. Ce tutoriel pas à pas vous apprend à trouver, analyser et visualiser des données météorologiques historiques.

Boostez votre productivité et simplifiez le débogage. Trouvez l'environnement de développement intégré qui vous convient.

Dans ce tutoriel, apprenez à importer une feuille de calcul dans PostgreSQL et à l’analyser.

Une moyenne winsorisée réduit l’influence des valeurs aberrantes en plafonnant les valeurs extrêmes à des percentiles donnés, tout en préservant la structure globale du jeu de données. Lisez la suite pour apprendre à la calculer avec Python, pas à pas.

Apprenez la différence entre variables exogènes et endogènes, pourquoi l'endogénéité compte pour l'inférence causale et la régression, et comment identifier et traiter les variables endogènes.