Nos tutoriels en science des données

Maîtrisez les calculs de temps dans Excel. Appliquez des formules prêtes à l’emploi directement sur vos propres données.

Apprenez à utiliser la fonction SQL RANK() pour attribuer des classements aux lignes, gérer les ex æquo et la comparer à DENSE_RANK() et ROW_NUMBER().

Ce guide présente des approches sûres basées sur des formules et des options de fusion visuelle pour mettre en forme vos feuilles sans altérer les données.

Apprenez à utiliser le Gestionnaire de noms d’Excel pour créer, modifier et supprimer des plages nommées, et écrire des formules plus claires et plus faciles à maintenir.

Apprenez comment les sous-requêtes corrélées comparent ligne par ligne en SQL. Découvrez des cas d’usage et leurs différences avec les JOIN, les fonctions fenêtre ou les sous-requêtes non corrélées.

Guide pratique du test de Kruskal-Wallis : définition, fonctionnement, cas d’usage face à l’ANOVA, exécution et interprétation sous Python et R.

Un guide pas à pas pour configurer pgAdmin 4 et PostgreSQL avec Docker Compose : configuration des conteneurs, enregistrement du serveur et fonctions clés de pgAdmin, dont le Query Tool, l'explorateur de schéma et la sauvegarde/restauration.

Apprenez à utiliser VLOOKUP() dans Google Sheets pour rechercher et extraire des données de grands jeux de données en quelques secondes.

La méthode de Newton est un algorithme itératif de recherche de racines qui exploite les tangentes pour se rapprocher de la solution d'équations sans forme fermée.

Guide pratique des séries de Maclaurin : formule clé, développements usuels, règles de convergence et applications concrètes en calcul numérique, physique et machine learning.

L’opérateur laplacien est l’un des outils mathématiques les plus utilisés en machine learning moderne. Il est au cœur du clustering spectral, de l’apprentissage de variétés, de la détection de contours et des algorithmes sur graphes.

Un guide conceptuel du kernel trick : ce que c’est, comment il permet aux SVM et à d’autres modèles à noyau de traiter le non-linéaire, et quand le préférer à d’autres approches.