Nos tutoriels en science des données

Un tutoriel sur l’import de données dans R. Focus sur la lecture de données issues de logiciels statistiques, de bases de données, de web scraping, et plus encore.

Ce tutoriel propose une introduction à l’IA causale avec la bibliothèque DoWhy en Python. Il présente les principes fondamentaux et fournit des exemples de code.

Pour être un data scientist accompli, il faut savoir gérer de nombreux types de données. Apprenez à lire des formats comme JSON et HTML avec pandas.

Ce tutoriel reprend des extraits du cours Cleaning Data in Python de DataCamp et vous montre comment nettoyer des chaînes avec des expressions régulières.

Découvrez une application open source polyvalente qui utilise les API d’OpenAI et de Google AI pour vous offrir une meilleure expérience utilisateur. Disponible sur ordinateur et navigateur, elle peut aussi être déployée en privé.

LangChain est un framework pour intégrer l’IA des grands modèles de langage dans des pipelines et des applications data. Ce tutoriel présente un aperçu de ce qu’il est possible de faire avec LangChain, les problèmes qu’il résout et des exemples de cas d’usage data.

Dans ce tutoriel, vous allez découvrir les tenseurs, PyTorch, et comment créer un réseau de neurones simple avec PyTorch.

Apprenez à configurer Apache Kafka avec Docker et Compose. Découvrez les bonnes pratiques, les pièges courants et des conseils pour les environnements de développement et de test

LangGraph Studio est un environnement de développement visuel pour le framework LangGraph de LangChain, qui simplifie la création d’applications agentiques complexes construites avec des composants LangChain.

Apprenez à utiliser des feuilles de calcul pour calculer un modèle de demande d’inventaire qui aide à déterminer la quantité de stock qu’une entreprise doit conserver à l’avenir.

Dans ce tutoriel, vous allez apprendre à mettre en œuvre une segmentation client avec l’analyse RFM (Récence, Fréquence, Montant) en Python, depuis zéro.

Découvrez la famille de LLM disponibles et les éléments à prendre en compte pour évaluer quel LLM convient le mieux à votre cas d'utilisation.