Accéder au contenu principal
Apprendre la science des données

Data Science Tutorials

Develop your data science skills with tutorials in our blog. We cover everything from intricate data visualizations in Tableau to version control features in Git.
Découvrir les catégories
GroupFormation de 2 personnes ou plus ?Essayer DataCamp for Business
Intelligence artificielle

Mise au point du GPT-4o Mini : Un guide pas à pas

Personnalisez le modèle GPT-4o Mini pour classer les messages de Reddit en deux catégories : "stressant" et "non stressant".

Abid Ali Awan

14 février 2025

Intelligence artificielle

Llama 3.2 et Gradio Tutorial : Construire une application web multimodale

Apprenez à utiliser le modèle de vision Llama 3.2 11B avec Gradio pour créer une application web multimodale qui fonctionne comme un assistant de support client.
Aashi Dutt's photo

Aashi Dutt

14 février 2025

Python

Maîtriser les API Python : Un guide complet pour construire et utiliser des API en Python

Apprenez à utiliser une API Python pour connecter des systèmes et donner à vos projets des données en temps réel. Découvrez comment récupérer, envoyer et traiter des données, et comment rendre vos applications dynamiques et réactives.
Oluseye Jeremiah's photo

Oluseye Jeremiah

14 février 2025

Python

Palette de couleurs Seaborn : Guide rapide pour le choix des couleurs

Utilisez color_palette() pour une séparation catégorielle claire, cubehelix_palette() pour des données séquentielles graduelles, et diverging_palette() pour une divergence claire par rapport à un point médian.
Vinod Chugani's photo

Vinod Chugani

14 février 2025

Grands modèles linguistiques

Comment construire des interfaces utilisateur pour les applications d'IA en utilisant Streamlit et LangChain

Apprenez à construire des chatbots avec Streamlit, LangChain et Neo4j. Ce tutoriel couvre la création d'interfaces utilisateur pour les apps LLM, la mise en œuvre de RAG et le déploiement sur Streamlit Cloud.
Bex Tuychiev's photo

Bex Tuychiev

14 février 2025

Intelligence artificielle

Mise en œuvre spéculative du RAG avec des transformateurs

Apprenez la RAG spéculative, une technique qui améliore la RAG grâce à un processus de rédaction et de vérification en deux étapes, et mettez vos compétences en pratique en utilisant les transformateurs Hugging Face.
Bhavishya Pandit's photo

Bhavishya Pandit

14 février 2025

Python

Modélisation des équations structurelles : Qu'est-ce que c'est et quand l'utiliser ?

Explorer les types de modèles d'équations structurelles. Apprenez à formuler des hypothèses théoriques, à construire un modèle hypothétique, à évaluer l'adéquation du modèle et à interpréter les résultats de la modélisation par équations structurelles.
Bunmi Akinremi's photo

Bunmi Akinremi

14 février 2025

Grands modèles linguistiques

Mise au point de Phi-3.5 sur l'ensemble de données de classification du commerce électronique

Découvrez la nouvelle série LLM de Microsoft et augmentez la précision de votre modèle de 65 % à 86 % en l'affinant sur l'ensemble de données de classification E-commerce.
Abid Ali Awan's photo

Abid Ali Awan

14 février 2025

Analyse des données

Normalisation vs. Standardisation: comment faire la différence

Découvrez les principales différences, les applications et la mise en œuvre de la normalisation et de la standardisation dans le prétraitement des données pour l’apprentissage automatique.
Samuel Shaibu's photo

Samuel Shaibu

14 février 2025

Power BI

DAX SUMMARIZE() : Un guide pour regrouper et résumer les données

La fonction SUMMARIZE() de DAX crée des tableaux récapitulatifs en regroupant les données et en appliquant des fonctions d'agrégation dans des outils tels que Power BI et Excel Power Pivot. Poursuivez votre lecture pour apprendre à utiliser DAX SUMMARIZE() afin de regrouper et d'agréger vos données et d'en tirer des informations utiles.
Laiba Siddiqui's photo

Laiba Siddiqui

14 février 2025

Apprentissage automatique

Comment visualiser les modèles d'apprentissage automatique : De la régression linéaire aux réseaux neuronaux

L'apprentissage automatique est complexe et souvent difficile à appréhender. En visualisant les modèles d'apprentissage automatique, vous pouvez mieux comprendre les performances du modèle et les décisions qu'il prend lorsqu'il fait des prédictions.
Dario Radečić's photo

Dario Radečić

14 février 2025