Nos tutoriels en science des données

Un regard pratique, ancré dans les maths, sur les points selles : en quoi ils diffèrent des minima et maxima locaux, comment les repérer avec les gradients et la Hessienne, et pourquoi ils apparaissent si souvent en optimisation de grande dimension et lors de l’entraînement de réseaux de neurones.

Apprenez à utiliser l’API Seedance 2 avec ce tutoriel Python pas à pas. Maîtrisez le text-to-video, l’interpolation d’images et les entrées multimodales via BytePlus Ark.

Découvrez comment les modèles d'état-espace représentent des systèmes dynamiques via des états cachés et des observations, avec les équations d’état et d’observation, le filtrage de Kalman et des applications en séries temporelles.

La statistique t vous aide à décider si une différence dans vos données est significative ou simplement aléatoire. Ce guide explique son fonctionnement, son calcul et son usage en situation réelle avec des exemples pas à pas clairs.

Apprenez à utiliser les dernières fonctionnalités de Veo 3.1 pour créer des vidéos plus longues et cohérentes en prolongeant des vidéos existantes et en générant des vidéos à partir de cadres de départ précis.

Découvrez le fonctionnement des modèles vision-langage-action (VLA), leurs différences avec les VLM, et comment choisir entre OpenVLA, pi0 et SmolVLA en 2026.

Des définitions formelles et intuitives des fonctions linéaires. Apprenez à les repérer avec des scénarios réels.

Créez un agent Python de réparation visuelle avec DeepSeek V4.1 Flash, l’API Responses, des captures Playwright, apply_patch, pytest, la mise en cache du contexte et le suivi des coûts.

Créez et exécutez un agent cloud avec l’API OpenAI Agents capable d’analyser des fichiers, d’exécuter du code, de vérifier les résultats et de renvoyer des artefacts finis en une seule requête.

Ce tutoriel présente Oracle AI Vector Search, ses fonctionnalités clés, et guide un projet local pas à pas. Il couvre la mise en place, la recherche sémantique, l’indexation vectorielle et les points de dépannage courants.

Découvrez comment Polars read_csv() permet de charger efficacement des données CSV en Python, y compris la gestion de grands jeux de données, la définition de schémas et l’optimisation des performances.

Apprenez à réaliser une analyse de sentiment « tidy » en R sur les chansons de Prince : évolution du sentiment dans le temps, au niveau des morceaux, impact des bigrammes, et bien plus encore !