Data Science Tutorials

Ce tutoriel Python Streamlit est conçu pour les data scientists et les ingénieurs en apprentissage automatique qui souhaitent créer rapidement des web apps sans connaissances approfondies en développement web.

Explorez l'analyse de données avec Python. Les DataFrames Pandas facilitent la manipulation de vos données, qu'il s'agisse de sélectionner ou de remplacer des colonnes et des indices ou de remodeler vos données.

Si vous souhaitez vous initier à SQL, nous avons tout ce qu'il vous faut. Dans ce tutoriel SQL, nous allons vous présenter les requêtes SQL - un outil puissant qui nous permet de travailler avec les données stockées dans une base de données.

Dans ce tutoriel, vous apprendrez différentes façons de fusionner plusieurs DataFrame en Python à l'aide de la bibliothèque Pandas.

Apprenez à convertir une colonne de tableau de tableur en minuscules en utilisant .str.lower().

Apprenez ce qu'est un fichier exécutable et pourquoi il peut être utile, tout en regardant comment convertir un script Python en un exécutable à l'aide de auto-py-to-exe.

Apprenez la régression linéaire, un modèle statistique qui analyse la relation entre les variables. Suivez notre guide pas à pas pour apprendre à utiliser la fonction lm() dans R.

Utilisez LIKE pour filtrer les enregistrements SQL sur des chaînes de caractères spécifiques. Ce tutoriel vous apprend à utiliser les caractères génériques, NOT, LOWER, UPPER et CASE WHEN avec LIKE.

Découvrez les bases de l'écriture de scripts bash et apprenez à écrire un script bash.

Apprenez à lire et à importer des fichiers Excel en Python, à écrire des données dans ces feuilles de calcul et à trouver les meilleurs packages pour ce faire.

Découvrez comment importer des données dans R, y compris des fichiers CSV, JSON, Excel, HTML, des bases de données, SAS, SPSS, Matlab et d'autres fichiers à l'aide des packages R les plus courants.

Découvrez le module Python pickle : apprenez ce qu'est la sérialisation, quand (ne pas) l'utiliser, comment compresser des objets picklés, le multiprocessing, et bien plus encore !