Data Science Tutorials

Découvrez comment vous pouvez exploiter les capacités d'une simple fonction Print de Python de diverses manières à l'aide d'exemples.

Explorez les différents types de graphiques de données, des plus courants aux plus avancés et non conventionnels, ce qu'ils montrent, quand les utiliser, quand les éviter, et comment les créer et les personnaliser en Python.

Ce tutoriel pratique plonge en profondeur dans la création et la personnalisation de tracés linéaires avec Matplotlib, une puissante bibliothèque de visualisation de données en Python.

Découvrez comment vous pouvez identifier les entrées en double dans Excel à l'aide de la mise en forme conditionnelle, de la formule COUNTIF() et de Power Query. Apprenez les meilleures pratiques et résolvez les problèmes.

Apprenez à mettre en œuvre la recherche récursive dans les systèmes RAG en utilisant LlamaIndex pour améliorer la précision et la pertinence des informations récupérées, en particulier pour les grandes collections de documents.

Voyez comment utiliser VLOOKUP() pour extraire des données d'une autre feuille de votre classeur Excel. Développez votre confiance à l'aide d'exemples pratiques et de techniques de dépannage.

Améliorez vos visualisations avec les cartes de couleurs de Matplotlib. Apprenez à choisir la bonne carte des couleurs, à ajuster les classes de couleurs et à résoudre les problèmes de visualisation les plus courants.

Apprenez à mettre à jour plusieurs colonnes en SQL à l'aide d'une seule requête pour plus d'efficacité. Explorez des techniques avancées et des exemples pratiques, notamment les mises à jour sur une seule ligne et les mises à jour sur plusieurs lignes.

Découvrez Snowflake Cortex AI et comment il peut être utilisé pour les LLM et l'apprentissage automatique.

Découvrez notre guide pas à pas sur l'exécution de commandes externes à l'aide du module subprocess de Python, avec des exemples à l'appui.

Apprenez à convertir des chaînes Python en entiers dans ce tutoriel rapide.

Dans ce tutoriel, vous apprendrez à utiliser l'ACP (Analyse en Composantes Principales) de R pour extraire des données comportant de nombreuses variables et créer des visualisations pour afficher ces données.