Nos tutoriels en science des données

Dans ce tutoriel, vous découvrirez comment filtrer des lignes en SQL à l’aide de la clause WHERE.

Configurez Kimi K2.7 Code avec Pi, des compétences de recherche, une documentation à jour, une mémoire persistante, des tests navigateur et des CLIs pratiques pour créer et publier des projets data science testés.

Apprenez à utiliser localement les petits modèles Qwen 3.5 via Ollama pour transformer un court extrait de gameplay en un jeu HTML jouable.

Découvrez ce que sont les méthodes magiques tout en distinguant méthodes et fonctions.

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.

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.

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.

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.

Apprenez à réaliser des analyses informatiques et statistiques sur les résultats de vos expériences biologiques.

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 ce qu’est R Markdown, à quoi il sert, comment l’installer, ses capacités pour travailler avec du code, du texte et des graphiques, sa syntaxe, les formats de sortie pris en charge, et comment générer et publier des documents R Markdown.