Nos tutoriels en science des données

Découvrez ce qu’est PyMongo, pourquoi les développeurs Python l’utilisent avec MongoDB, et comment connecter rapidement MongoDB à votre application Python.

Apprenez à réaliser des analyses informatiques et statistiques sur les résultats de vos expériences biologiques.

Un guide pas à pas du développement par cofacteurs (développement de Laplace), couvrant les définitions clés, des exemples détaillés, les propriétés essentielles et son lien avec l’inversion de matrice via la matrice adjointe.

Ce tutoriel vous montre comment installer PySpark et gérer les variables d’environnement sous Windows, Linux et macOS.

Les contraintes d’intégrité en SQL sont des règles appliquées aux tables pour garantir l’exactitude, la cohérence et la validité des données, par exemple en imposant des clés primaires uniques et des relations de clés étrangères valides.

Ce tutoriel présente les bases des pipelines de données et la terminologie destinée aux futur(e)s professionnel(le)s des données : usages, technologies courantes et conseils pour les construire.

Explorez la distance cosinus et la similarité cosinus. Découvrez les calculs, les applications et les comparaisons avec d'autres métriques. Apprenez à les implémenter en R et en Python avec numpy.

Guide pratique pour installer Docker Compose v2 sur Linux, macOS et Windows : méthodes via gestionnaire de paquets et manuelle, étapes de vérification, mises à niveau et dépannage des erreurs courantes.

Dans ce tutoriel, vous apprendrez les bases de l’analyse factorielle et comment l’implémenter en Python.

Découvrez ce qu’est R Markdown, à quoi il sert, comment l’installer, ses capacités pour travailler avec du code, du texte et des graphiques, sa syntaxe, les formats de sortie pris en charge, et comment générer et publier des documents R Markdown.

Dans ce tutoriel, vous apprendrez à créer des tableaux de contingence et à tester et quantifier les relations qui y apparaissent.

Apprenez à calculer la somme totale des carrés (SST), la somme des carrés due à la régression (SSR) et la somme des carrés des erreurs (SSE) pour évaluer la précision d’un modèle de régression. Découvrez leurs relations mathématiques et leur impact sur le R².