Tutoriels sur la science des données

Découvrez en quoi la distance de Chebyshev apporte une approche singulière aux problèmes spatiaux. Explorez ses applications en robotique, SIG et développement de jeux, avec des exemples de code en Python et R.

Découvrez comment CatBoost simplifie la gestion des données catégorielles avec la fonction CatBoostClassifier(). Comprenez les différences clés entre CatBoost et XGBoost pour faire des choix avisés dans vos projets de machine learning.

Apprenez à regrouper facilement vos données dans Tableau grâce à son outil de clustering intégré.

Ce tutoriel explore l'approche de Databricks en matière d'IA et de machine learning dans le Lakehouse Databricks et présente ses dernières fonctionnalités.

Ce tutoriel reprend des éléments du cours Machine Learning Toolbox de DataCamp et vous permet de vous entraîner aux matrices de confusion en R.

Dans ce tutoriel, vous verrez, à l’aide d’un exemple, comment fonctionne l’« analyse de contingence » ou « test du khi deux d’indépendance » et comment l’exécuter efficacement avec R.

Un guide pas à pas du développement par cofacteurs (développement de Laplace), couvrant les définitions clés, des exemples détaillés, les propriétés essentielles et son lien avec l’inversion de matrice via la matrice adjointe.

Apprenez à utiliser la mise en forme conditionnelle avec une ou plusieurs conditions et à colorer des cellules selon des critères personnalisés à l'aide d'un jeu de données.

Dans ce tutoriel, vous apprendrez à créer des tableaux de contingence et à tester et quantifier les relations qui y apparaissent.

Explorez la distance cosinus et la similarité cosinus. Découvrez les calculs, les applications et les comparaisons avec d'autres métriques. Apprenez à les implémenter en R et en Python avec numpy.

Découvrez les opérateurs relationnels pour comparer des objets R et les opérateurs logiques pour combiner les valeurs booléennes TRUE et FALSE. Vous construirez aussi des instructions conditionnelles.

Générez des données synthétiques avec Python Faker pour compléter des données réelles lors des tests d’applications et préserver la confidentialité.