Nos tutoriels en science des données

Découvrez trois méthodes simples pour arrondir à l’entier supérieur en Python : avec math.ceil() du module math, avec le module decimal et avec NumPy.

Dans ce tutoriel, découvrez l’indexation dans les bases de données et les différents types de techniques d’indexation.

Apprenez à utiliser l’API Python de Gemini et ses différentes fonctions pour créer gratuitement des applications dopées à l’IA.

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.

Découvrez la plateforme unifiée la plus prisée pour l’analytique big data : Databricks. Ce tutoriel couvre sept concepts et fonctionnalités clés de Databricks et montre comment ils s’articulent pour résoudre des enjeux concrets du monde de la donnée.

Faites tourner le modèle agentique local Muse Glimmer de Meta avec llama.cpp, quantification dynamique, décodage spéculatif DFlash, prise en charge de la vision et OpenCode pour un agent de codage IA rapide, privé et économique.

Dans cet article, nous explorons l’architecture, les données d’entraînement, les fonctionnalités, ainsi que l’inférence et le fine-tuning du modèle Falcon 40B.

Cet article présente différentes façons d’importer des fichiers texte en Python avec Python, NumPy et les méthodes natives de Python. Il explique aussi comment les convertir en listes.

Découvrez la programmation orientée objet (POO), les objets de R et ses classes S3 et S4, leur construction, la création de fonctions génériques avec des exemples, et bien plus encore.

Dans ce tutoriel, vous découvrirez des pièges auxquels vous pourriez être confronté en menant des projets de data science "sur le terrain".

Maîtrisez la classification d’images avec Hugging Face grâce à un guide pas à pas pour entraîner et déployer des modèles en IA et vision par ordinateur.

Apprenez à exécuter localement sous Windows le modèle Bonsai 1‑bit de PrismML, rapide et économe, du téléchargement à la configuration puis aux tests via WebUI, avec jusqu’à 88,6 tokens par seconde.