Data Science Tutorials

Pour commenter un bloc de code en Python, vous pouvez soit ajouter un # au début de chaque ligne du bloc, soit entourer le bloc entier de triples guillemets (''' ou """).

Apprenez la régression linéaire, un modèle statistique qui analyse la relation entre les variables. Suivez notre guide pas à pas pour apprendre à utiliser la fonction lm() dans R.

Explorez l'architecture des Transformers, les modèles qui ont révolutionné le traitement des données grâce à des mécanismes d'auto-attention.

Apprenez à effectuer des requêtes Git PUSH et PULL via GitHub Desktop et la ligne de commande.

Apprenez tout sur la compréhension des dictionnaires en Python : comment vous pouvez l'utiliser pour créer des dictionnaires, pour remplacer les boucles for (imbriquées) ou les fonctions lambda par map(), filter() et reduce(), ... !

Cet article explique comment et quand utiliser la classification par forêt aléatoire avec scikit-learn, en se concentrant sur les concepts, le flux de travail et les exemples. Nous verrons également comment utiliser la matrice de confusion et l'importance des caractéristiques.

Découvrez ce qu'est Pyspark et comment il peut être utilisé en donnant des exemples.

L'importation de données est la première étape de tout projet de science des données. Découvrez pourquoi les scientifiques des données d'aujourd'hui préfèrent la fonction pandas read_csv() pour ce faire.

Un tutoriel sur les fonctions en Python qui explique comment écrire des fonctions, comment les appeler, et plus encore !

Découvrez comment importer des données dans R, y compris des fichiers CSV, JSON, Excel, HTML, des bases de données, SAS, SPSS, Matlab et d'autres fichiers à l'aide des packages R les plus courants.

Utilisez Python Pandas et sélectionnez des colonnes dans les DataFrames. Suivez notre tutoriel avec des exemples de code et apprenez différentes façons de sélectionner vos données dès aujourd'hui !

Découvrez les chaînes de caractères Python. Trouvez différents exemples et types de format de docstrings pour Sphinx, Numpy et Pydoc.