Nos tutoriels en science des données

This tutorial covers 5 ways in which you can easily write pandorable or more idiomatic Pandas code.

Découvrez les différentes façons d’itérer sur les lignes d’un DataFrame pandas, avec bonnes pratiques, performances et cas d’usage courants.

Dans ce tutoriel, vous allez découvrir les multi-index pour les DataFrames pandas et comment ils émergent naturellement des opérations groupby sur des jeux de données réels.

Ce tutoriel explore le rééchantillonnage des séries temporelles avec pandas, en couvrant l’upsampling et le downsampling via .asfreq() et .resample().

Apprenez la méthode reset_index() de pandas pour réinitialiser l’index d’un DataFrame. Découvrez les différentes options proposées et comment réinitialiser l’index pour des DataFrame simples et multi-index.

Dans ce tutoriel, vous apprendrez à utiliser l'opération groupby de pandas, qui s'appuie sur la stratégie split-apply-combine, sur des données de films Netflix.

Ce tutoriel explique ce que sont un paramètre et un hyperparamètre dans un modèle de machine learning, et pourquoi leur optimisation est essentielle pour améliorer les performances de votre modèle.

Découvrez comment le coefficient de corrélation de Pearson quantifie l’intensité et le sens des relations dans vos données. Apprenez à le calculer, l’interpréter et l’appliquer avec Python, R et Excel.

Avec ce tutoriel pour débuter, explorez PEP‑8, le guide de style Python, et formatez votre code pour en maximiser la lisibilité.

Comprendre le modèle Phi-2 et apprendre à y accéder et à l'affiner à l'aide d'un jeu de données de jeu de rôle.

Découvrez comment PicoClaw, le CLI d'agent IA de moins de 10 Mo, fonctionne sur du matériel à bas coût. Ce tutoriel couvre l'installation, les fonctionnalités, des cas d'usage réels et un démarrage express.

Découvrez comment utiliser Canopy comme framework open source de Retrieval Augmented Generation (RAG) et couche de contexte au‑dessus de la base de données vectorielle Pinecone.