Tutoriels d'analyse de données

Commencez à analyser les données du Titanic avec R et le tidyverse : apprenez à filtrer, trier, résumer, transformer et visualiser vos données avec dplyr et ggplot2 !

Récupérez les données Google Trends pour des mots-clés comme "diet" et "gym" et observez leur évolution dans le temps tout en découvrant tendances et saisonnalité des séries temporelles.

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

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.

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

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

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

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.

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.

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.