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.

Apprenez à maîtriser DynamoDB avec Node.js dans ce guide pour débutants. Découvrez la création de tables, les opérations CRUD et la mise à l’échelle dans la base NoSQL d’AWS.

Dans cet article, nous explorons l’architecture, les données d’entraînement, les fonctionnalités, ainsi que l’inférence et le fine-tuning du modèle Falcon 40B.

Explorez l’essentiel de la théorie des graphes avec ce guide pour débutants. Découvrez les sommets, les arêtes et les différents types de graphes pour comprendre les réseaux complexes et leurs applications.

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.

Découvrez comment LangSmith optimise les tests et le débogage des LLM pour les applications d’IA. Améliorez l’assurance qualité et accélérez le développement grâce à des exemples concrets.

Découvrez tout ce qu’il faut savoir sur LMQL (Language Models Query Language), un langage de programmation innovant pour les LLM.

Découvrez les subtilités des modèles non linéaires par rapport aux modèles linéaires. Apprenez leurs usages, leurs limites et comment les ajuster sur des jeux de données réels.

Apprenez les bases de PySide6 pour créer votre première application de bureau et y intégrer des visualisations de données issues des bibliothèques phares de la data science.

Découvrez comment utiliser l’API OpenAI pour créer des embeddings de texte. Explorez leurs applications en classification de texte, recherche d’information et similarité sémantique.

Découvrez les bases de données vectorielles en ML avec notre guide. Apprenez à implémenter des embeddings vectoriels et des applications concrètes.

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.