Nos tutoriels en science des données

Ce tutoriel présente les bases des pipelines de données et la terminologie destinée aux futur(e)s professionnel(le)s des données : usages, technologies courantes et conseils pour les construire.

Dans ce tutoriel, vous apprendrez à intégrer MongoDB à vos applications Python.

Faites tourner le modèle agentique local Muse Glimmer de Meta avec llama.cpp, quantification dynamique, décodage spéculatif DFlash, prise en charge de la vision et OpenCode pour un agent de codage IA rapide, privé et économique.

Apprenez à calculer la somme totale des carrés (SST), la somme des carrés due à la régression (SSR) et la somme des carrés des erreurs (SSE) pour évaluer la précision d’un modèle de régression. Découvrez leurs relations mathématiques et leur impact sur le R².

Dans ce tutoriel, vous apprendrez les bases de l’analyse factorielle et comment l’implémenter en Python.

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.

Apprenez à exécuter localement sous Windows le modèle Bonsai 1‑bit de PrismML, rapide et économe, du téléchargement à la configuration puis aux tests via WebUI, avec jusqu’à 88,6 tokens par seconde.

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.

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.

Découvrez trois méthodes simples pour arrondir à l’entier supérieur en Python : avec math.ceil() du module math, avec le module decimal et avec NumPy.

Maîtrisez la classification d’images avec Hugging Face grâce à un guide pas à pas pour entraîner et déployer des modèles en IA et vision par ordinateur.

Apprenez à structurer, consigner et analyser vos expériences de machine learning avec Weights & Biases.