Nos tutoriels en science des données

Découvrez la classification par K-Nearest Neighbors (KNN) avec R. Apprenez à utiliser les packages R 'class' et 'caret', à régler les hyperparamètres et à évaluer les performances du modèle.

Apprenez à mettre en œuvre des graphes de connaissances pour les applications RAG en suivant ce tutoriel étape par étape pour améliorer les réponses de l'IA avec des connaissances structurées.

LangGraph est une bibliothèque de l'écosystème LangChain qui fournit un cadre pour la définition, la coordination et l'exécution de plusieurs agents LLM (ou chaînes) de manière structurée et efficace.

Un guide étape par étape pour effectuer une régression linéaire dans Excel, interpréter les résultats et visualiser les données pour obtenir des informations exploitables.

Ce tutoriel pratique plonge en profondeur dans la création et la personnalisation de tracés linéaires avec Matplotlib, une puissante bibliothèque de visualisation de données en Python.

Découvrez tout sur la régression logistique : comment elle diffère de la régression linéaire, comment ajuster et évaluer ces modèles en R avec la fonction glm() et plus encore !

Découvrez les réseaux de mémoire à long terme (LSTM) en Python et comment vous pouvez les utiliser pour faire des prédictions boursières !

Découvrez comment créer un histogramme avec Base R à l'aide de notre tutoriel complet en 6 étapes. Personnalisez vos tracés et visualisez efficacement les distributions de données.

Apprenez à créer un histogramme ggplot2 en R. Créez des histogrammes en R en vous basant sur la grammaire des graphiques.

Faites ressortir vos données avec de superbes cartes créées avec Plotly en Python.

Apprenez à calculer et à appliquer la distance de Manhattan avec des exemples de codage en Python et R, et explorez son utilisation dans l'apprentissage automatique et le pathfinding.

Dans ce tutoriel, vous apprendrez à utiliser et à écrire avec différentes balises dans Jupyter Notebook.