Tutoriels sur la science des données

Comprenez les lois de probabilité discrètes en data science. Explorez PMF, CDF, et les principaux types comme Bernoulli, Binomiale et Poisson avec des exemples en Python.

Dans ce tutoriel Docker, découvrez l’installation, les commandes courantes, la containerisation d’applications de machine learning et les meilleures pratiques adoptées dans l’industrie.

Découvrez pourquoi il est essentiel de documenter le code et les bonnes pratiques à adopter. Apprenez aussi à exploiter le module Pydoc pour votre documentation.

Comprenez la technique qui structure de nombreuses disciplines comme les mathématiques et la physique, et mesurez son importance.

Les vecteurs propres et les valeurs propres sont essentiels pour comprendre les transformations linéaires. Cet article couvre leur interprétation géométrique, leur calcul et leur rôle en machine learning.

Boostez vos résultats en machine learning et découvrez les ensembles en R avec le package SuperLearner : découvrez l’algorithme Random Forest, le bagging et bien plus encore !

Découvrez ce qui définit un problème de régression et comment fonctionne un algorithme de régression linéaire en Python.

Découvrez comment la distance euclidienne fait le pont entre géométrie antique et algorithmes modernes, avec des exemples de code en Python et R, et ses applications en data science, apprentissage automatique et analyse spatiale.

Après ce tutoriel, vous saurez intégrer des scripts R et Python dans des instructions T-SQL et quels types de données servent à échanger des données entre SQL et Python/R.

Apprenez les bases de l’EDA en Python avec pandas, Matplotlib et NumPy : échantillonnage, feature engineering, corrélation, etc.

Apprenez à extraire des données du web, à les prétraiter et à réaliser une analyse exploratoire de base avec R

Un guide pas à pas pour déployer facilement un chatbot Facebook Messenger avec Python, en utilisant Flask, requests et ngrok.