Data Science Tutoriels

La Data Science propose un programme complet pour les aspirants data scientists et analystes. Nos tutoriels couvrent l'analyse statistique, l'apprentissage automatique et la visualisation des données, adaptés aux débutants comme aux apprenants intermédiaires. Grâce à des laboratoires interactifs et des exercices de codage pratiques, vous acquerrez une expérience concrète avec des ensembles de données réels. Notre terrain de jeu en Data Science vous permet d'appliquer vos compétences dans un environnement en ligne dynamique.

Générer des modèles dynamiques sécurisés avec Jinja2

Générer des modèles dynamiques sécurisés avec Jinja2

Générer du HTML à partir de Python n'est pas amusant et est en fait assez fastidieux car vous devez effectuer l'échappement HTML avec escape vous-même pour maintenir la sécurité de l'application. C'est pourquoi Flask configure automatiquement le moteur de modèles Jinja2 pour vous. Les modèles peuvent être utilisés pour générer tout type de fichier texte. Pour les applications web, vous générerez principalement des pages HTML, mais vous pouvez également générer du markdown, du texte brut pour les e-mails, et tout autre chose.

Nettoyage de données de base avec Pandas

Nettoyage de données de base avec Pandas

Dans ce laboratoire, vous apprendrez les techniques fondamentales de nettoyage de données à l'aide de la bibliothèque Pandas, notamment la gestion des valeurs manquantes, la suppression des doublons et la correction des types de données.

Diffusion NumPy pour des calculs efficaces

Diffusion NumPy pour des calculs efficaces

La diffusion (broadcasting) est une fonctionnalité puissante de NumPy qui permet d'utiliser des tableaux de formes différentes dans des opérations arithmétiques. Elle offre un moyen de vectoriser les opérations sur les tableaux et d'améliorer l'efficacité des calculs. Ce laboratoire vous guidera à travers les bases de la diffusion dans NumPy.

Fondamentaux de la manipulation des tableaux NumPy

Fondamentaux de la manipulation des tableaux NumPy

Dans ce laboratoire, vous apprendrez les bases du travail avec les tableaux NumPy. NumPy est une bibliothèque puissante pour le calcul numérique en Python. Elle fournit des structures de données et des fonctions efficaces pour effectuer des opérations mathématiques sur les tableaux.

Introduction et configuration de Pandas

Introduction et configuration de Pandas

Dans ce laboratoire, vous débuterez avec Pandas, une puissante bibliothèque d'analyse de données en Python. Vous apprendrez à vérifier son installation, à l'importer, à créer une Series de base, à accéder à ses éléments et à inspecter ses propriétés.

Création de sous-graphiques Matplotlib

Création de sous-graphiques Matplotlib

Dans ce laboratoire, vous apprendrez à créer et personnaliser plusieurs sous-graphiques dans une seule figure en utilisant Matplotlib, une bibliothèque de traçage puissante en Python. Vous pratiquerez la création de sous-graphiques, le traçage de données sur ceux-ci et l'ajustement des mises en page.

Sélection de données Pandas

Sélection de données Pandas

Dans ce laboratoire, vous apprendrez les techniques fondamentales pour sélectionner et sous-échantillonner des données à partir de DataFrames Pandas, y compris la sélection de colonnes, de lignes et de tranches de données spécifiques.

Tableaux Structurés dans NumPy

Tableaux Structurés dans NumPy

Dans ce laboratoire, nous allons découvrir les tableaux structurés dans NumPy. Les tableaux structurés sont des ndarrays dont le type de données est une composition de types de données plus simples organisés en une séquence de champs nommés. Ils sont utiles pour travailler avec des données structurées, telles que des données tabulaires, où chaque champ représente un attribut différent des données.

Regroupement et Agrégation avec Pandas

Regroupement et Agrégation avec Pandas

Dans ce laboratoire, vous apprendrez les bases du regroupement et de l'agrégation de données à l'aide de la bibliothèque Pandas. Vous pratiquerez l'utilisation de groupby() pour créer des groupes et appliquer diverses fonctions d'agrégation.

Création de DataFrames Pandas

Création de DataFrames Pandas

Dans ce laboratoire, vous apprendrez les méthodes fondamentales pour créer des DataFrames Pandas, y compris à partir de dictionnaires, et comment personnaliser leurs colonnes et leurs index.

Statistiques Descriptives Pandas

Statistiques Descriptives Pandas

Dans ce laboratoire, vous apprendrez à calculer diverses statistiques descriptives pour un DataFrame Pandas, notamment la moyenne, la médiane, le min/max, et plus encore.

Tri de données avec Pandas

Tri de données avec Pandas

Dans ce laboratoire, vous apprendrez les techniques essentielles pour trier des données dans un DataFrame Pandas. Vous explorerez le tri par colonnes uniques et multiples, le contrôle de l'ordre de tri et la gestion de l'index du DataFrame après les opérations de tri.

Importer des données avec Genfromtxt

Importer des données avec Genfromtxt

Dans ce laboratoire, nous apprendrons à importer des données à l'aide de la fonction numpy.genfromtxt. Cette fonction nous permet de lire des données tabulaires à partir de diverses sources et de les convertir en tableaux NumPy. Nous explorerons différentes options pour définir l'entrée, diviser les lignes en colonnes, choisir les colonnes, définir le type de données et ajuster la conversion.

Techniques fondamentales de création de tableaux NumPy

Techniques fondamentales de création de tableaux NumPy

Ce laboratoire fournit un guide étape par étape sur la création de tableaux à l'aide de NumPy, une bibliothèque fondamentale pour les conteneurs de tableaux en Python. Vous apprendrez différentes méthodes de création de tableaux, notamment la conversion de séquences Python, l'utilisation de fonctions intrinsèques de création de tableaux NumPy, la réplication et la jointure de tableaux existants, et la lecture de tableaux à partir du disque.

Pandas : Lecture de données externes

Pandas : Lecture de données externes

Dans ce laboratoire, vous apprendrez les bases de la lecture de données externes dans un DataFrame Pandas. Vous utiliserez la puissante fonction `read_csv` et ses paramètres clés pour gérer divers formats de fichiers CSV du monde réel.

Introduction à l'indexation dans NumPy

Introduction à l'indexation dans NumPy

Dans ce laboratoire, nous allons explorer les bases de l'indexation dans NumPy. L'indexation nous permet d'accéder et de manipuler des éléments spécifiques ou des sous-ensembles d'éléments dans un tableau. Comprendre comment utiliser efficacement l'indexation est crucial pour travailler avec des tableaux dans NumPy.

Introduction aux Fonctions Universelles NumPy

Introduction aux Fonctions Universelles NumPy

Dans ce laboratoire, nous allons explorer les bases des Fonctions Universelles (ufuncs) de NumPy. Les ufuncs sont des fonctions qui opèrent sur les ndarrays de manière élément par élément, prenant en charge le broadcasting de tableaux, le transtypage (type casting) et d'autres fonctionnalités standard. Nous apprendrons les différentes méthodes des ufuncs, les règles de broadcasting, les règles de transtypage et comment substituer le comportement des ufuncs.

Filtrage de données avec Pandas

Filtrage de données avec Pandas

Dans ce laboratoire, vous apprendrez les techniques fondamentales pour filtrer les données dans les DataFrames Pandas, y compris l'indexation booléenne, la combinaison de conditions, l'utilisation de isin et la gestion des valeurs manquantes.

Précédent
1
2
3
4
5
6
...
165
Suivant