Nos tutoriels en science des données

Isolation Forest est un algorithme de machine learning non supervisé qui identifie les anomalies dans les données en les isolant via des partitionnements aléatoires au sein d’un ensemble d’arbres de décision.

Apprenez à ajuster finement Qwen3.6 sur un GPU H100 NVL avec SFT, de la préparation des données et du chargement en 4 bits jusqu’à l’entraînement et l’évaluation.

Apprenez à associer l’Auto Mode de Claude Code avec les Channels Telegram pour exécuter en autonomie une boucle écrire‑tester‑déboguer depuis votre téléphone.

Découvrez les capacités du meilleur modèle public d’Anthropic, Claude Opus 4.7, et créez un outil data science capable de convertir un graphique en données brutes.

Apprenez à créer un système automatisé de type LLM-as-a-judge pour évaluer à grande échelle la fidélité et la pertinence de vos pipelines RAG, et combler le manque de tests en IA.

Découvrez Claude Cowork et comment l'utiliser pour organiser vos fichiers, générer des documents et automatiser votre navigateur. Tutoriel pratique avec exemples concrets et limites.

Maîtrisez le SDK Python d’Ollama pour développer des LLM en local. Apprenez à générer du texte, gérer des conversations multi‑tours, utiliser des modèles de vision et créer des applications d’IA en toute sécurité.

Dans ce guide, nous allons louer un GPU H200 et installer llama.cpp, télécharger MiniMax M2.7 au format GGUF, l’exécuter en local, le tester dans la WebUI et le connecter à OpenCode.

Supprimez les espaces inutiles — en début, en fin et en trop — pour garder des données claires. Ce guide couvre TRIM(), SUBSTITUTE() et CLEAN(), avec des conseils pratiques pour des feuilles de calcul fiables et faciles à exploiter.

Découvrez comment installer et exécuter des LLM en local avec LM Studio. Protégez vos données, discutez avec vos documents grâce au RAG intégré et mettez en place une API locale.

Maîtrisez le Codex CLI d’OpenAI pour automatiser vos workflows data. Apprenez à mener une EDA, à construire des pipelines ETL en Python et à générer des tests directement depuis votre terminal local.

Maîtrisez les six piliers, utilisez l’AWS Well-Architected Tool et transformez vos revues en un processus reproductible pour des charges de travail cloud sécurisées, efficaces et optimisées en coûts.