Nos tutoriels en science des données

Plongez dans l’univers des bases de données vectorielles avec notre tutoriel approfondi sur Pinecone. Découvrez comment gérer efficacement des données de haute dimension, comprendre les données non structurées et tirer parti de la puissance des embeddings vectoriels pour des applications d’IA.

Apprenez à stocker les résultats d’une requête grâce aux vues matérialisées dans PostgreSQL.

Cet article compare les performances des LLMs sans MatMul et des modèles traditionnels en termes de vitesse et d'utilisation mémoire.

Dans ce tutoriel Python, vous utiliserez l’API de gestion d’événements de Matplotlib pour afficher les coupes d’un jeu de données IRM.

Découvrez tout sur les matrices en R : nommage des lignes et colonnes, accès aux éléments, et opérations comme l’addition, la soustraction, la multiplication et la division.

Découvrez l’algorithme mean shift, ses atouts, ses cas d’usage et une implémentation pas à pas en Python. Comparez-le à k-means pour comprendre les différences clés.

Dans ce tutoriel, vous apprendrez à extraire des données directement depuis l’API de MeetUp avec Python et à les écrire dans un fichier JSON.

Découvrez comment le profilage mémoire en Python permet d’optimiser les performances avec des outils comme memory_profiler, tracemalloc et objgraph.

Apprenez à utiliser Mercury 2 d’Inception Labs, un LLM de raisonnement basé sur la diffusion, pour construire un agent de recherche sensible à la latence : expansion de requêtes, recherche web, synthèse sourcée et vérification.

Dans ce tutoriel, vous apprendrez à joindre plusieurs jeux de données en R.

Apprenez à créer et déployer de puissants agents IA dans Microsoft Copilot Studio. Répondez aux questions avec RAG, intégration SharePoint, raisonnement LLM et appels d’outils.

Créez une démo fonctionnelle qui appelle les trois modèles Microsoft MAI via Azure (speech-to-text, text-to-speech et génération d'images) et découvrez ce qu'ils savent faire.