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.
Autres Arbres de Compétences
Types de données avancés PostgreSQL
Dans ce laboratoire, vous explorerez les types de données avancés de PostgreSQL, en vous concentrant sur JSON/JSONB, les tableaux (arrays) et les UUID. Vous apprendrez à stocker, interroger et manipuler les données au sein de ces types. Le laboratoire couvre le stockage et l'interrogation de JSON/JSONB, la création de colonnes de type tableau et l'utilisation des UUID comme identifiants.
PostgreSQL
Explication des classifieurs d'analyse discriminante
L'analyse discriminante linéaire et quadratique (LDA et QDA) sont deux classifieurs classiques utilisés en apprentissage automatique. LDA utilise une surface de décision linéaire, tandis que QDA utilise une surface de décision quadratique. Ces classifieurs sont populaires car ils ont des solutions analytiques, fonctionnent bien en pratique et n'ont pas d'hyperparamètres à ajuster.
Machine Learningscikit-learn
Apprentissage supervisé avec Scikit-Learn
Dans l'apprentissage supervisé, nous souhaitons apprendre la relation entre deux ensembles de données : les données observées X et une variable externe y que nous souhaitons prédire.
Machine Learningscikit-learn
Explorer les jeux de données et les estimateurs de Scikit-Learn
Dans ce laboratoire, nous explorerons le cadre et l'objet estimateur dans Scikit-Learn, une bibliothèque populaire de machine learning en Python. Nous apprendrons à connaître les jeux de données, représentés sous forme de tableaux 2D, et comment les prétraiter pour Scikit-Learn. Nous explorerons également le concept d'objets estimateurs, utilisés pour apprendre à partir de données et effectuer des prédictions.
Machine Learningscikit-learn
Régression ridge noyau
Dans ce laboratoire, nous allons apprendre à propos de la régression ridge noyau (KRR) et de son implantation à l'aide de la bibliothèque scikit - learn en Python. La KRR combine la régression ridge avec le truc du noyau pour apprendre une fonction linéaire dans l'espace induit par le noyau. C'est une méthode de régression non linéaire qui peut gérer les relations non linéaires entre les variables d'entrée et de sortie.
Machine Learningscikit-learn
Sélection de modèle : Choix d'estimateurs et de leurs paramètres
En apprentissage automatique, la sélection de modèle est le processus de choix du meilleur modèle pour un ensemble de données donné. Elle consiste à sélectionner l'estimateur approprié et à ajuster ses paramètres pour obtenir une performance optimale. Ce tutoriel vous guidera tout au long du processus de sélection de modèle dans scikit-learn.
Machine Learningscikit-learn
Modèles linéaires dans Scikit-Learn
Dans ce laboratoire, nous allons explorer les modèles linéaires dans Scikit-Learn. Les modèles linéaires sont un ensemble de méthodes utilisées pour les tâches de régression et de classification. Ils supposent que la variable cible est une combinaison linéaire des caractéristiques. Ces modèles sont largement utilisés en apprentissage automatique en raison de leur simplicité et de leur interprétabilité.
Machine Learningscikit-learn
Contrôle des symboles et combinaison de sous - modules
Comprenez la complexité de l'importation de packages, contrôlez les symboles exportés avec `__all__`, exportez tout depuis le package et divisez les modules pour une meilleure organisation du code en Python.
Python
Apprendre les générateurs gérés
Comprendre les générateurs Python, créer un planificateur de tâches avec eux, tester le planificateur, construire un serveur réseau et implémenter un serveur d'écho (echo server) pour apprendre les générateurs gérés.
Python
Comment les objets sont représentés
Apprenez comment les objets sont représentés en Python. Créez une classe d'actions simple, explorez les dictionnaires internes des objets, ajoutez et modifiez des attributs, et comprenez les relations entre classes et instances.
Python
Utilisation pratique de l'héritage
Comprendre le problème, créer une classe de base et modifier la fonction d'impression, implémenter un formateur concret, créer des formateurs supplémentaires et construire une fonction usine pour apprendre l'héritage pratique en Python.
Python
Exploration du modèle mémoire des objets de première classe en Python
Comprenez les objets de première classe en Python, créez une fonction utilitaire pour le traitement de fichiers CSV, explorez le modèle mémoire de Python et découvrez le stockage de données orienté colonnes pour explorer le modèle mémoire des objets de première classe en Python.
Python
Définir une classe simple
Ajouter une méthode de vente à la classe Stock, lire un portefeuille à partir d'un fichier CSV et formater et afficher les données du portefeuille en Python.
Python
Attributs Privés et Propriétés
Implémentez des attributs privés, convertissez des méthodes en propriétés, implémentez la validation de propriété, utilisez __slots__ pour l'optimisation de la mémoire et conciliez la validation de type avec les variables de classe en Python.
Python
Redéfinition des méthodes spéciales
Améliorez la représentation des objets en utilisant `__repr__`, rendez les objets comparables avec `__eq__` et créez un gestionnaire de contexte en redéfinissant les méthodes spéciales en Python.
Python
Créer un nouveau type primitif
Créez une classe MutInt de base, améliorez sa représentation sous forme de chaîne de caractères, ajoutez des opérations mathématiques et de comparaison, et implémentez des conversions de types pour créer un nouveau type primitif en Python.
Python
Créer un conteneur personnalisé
Comprendre l'allocation mémoire des listes et des dictionnaires, optimiser la mémoire avec des données orientées colonnes, créer une classe de conteneur personnalisée et l'améliorer pour le découpage (slicing) en Python.
Python
Itérer comme un pro
Maîtrisez l'itération de base et le déballage de séquences, utilisez les fonctions enumerate() et zip(), et apprenez les expressions génératrices pour une efficacité mémoire en Python.
Python
- Précédent
- 1
- 2
- 3
- 4
- 5
- 6
- ...
- 233
- Suivant