Démarrage rapide avec la science des données
Démarrage rapide avec NumPy
Ce cours vous apprendra les bases de NumPy, une bibliothèque qui prend en charge de nombreuses opérations mathématiques.
Démarrage rapide avec NumPy
- Votre premier laboratoire NumPy
- Attributs et type de données des tableaux
- Tableaux NumPy et types de données
- NumPy dans l'espace
- NumPy Array Datatype Converter
- NumPy Array Operations
- NumPy Array Operation
- NumPy Slicing and Indexing
- Array Indexing and Slicing
- Efficient NumPy Array Multiplication Operations
- NumPy Shape Manipulation
- Make NumPy Array Your Shape
- NumPy File IO
- NumPy Advanced Topics
- NumPy Math Games
Démarrage rapide avec Pandas
- Votre premier laboratoire Pandas
- Travailler avec Pandas
- Manipulation de données avec Pandas
- Sélection de données dans Pandas
- Tracés Pandas pour l'analyse de la qualité de l'air
- Travailler avec les colonnes dans Pandas
- Analyse des données des passagers du Titanic avec Pandas
- Redimensionner les données avec Pandas
- Combiner des tables de données dans Pandas
- Gestion des données séries chronologiques
- Données textuelles Pandas
Démarrage rapide avec Matplotlib
- Votre premier laboratoire Matplotlib
- Créer un graphique linéaire avec Matplotlib
- Tutoriel d'interface Matplotlib Pyplot
- Tracé d'images avec Matplotlib
- Le cycle de vie d'un graphique
- Personnalisation des visualisations Matplotlib
Démarrage rapide avec scikit-learn
- Modèles linéaires dans Scikit-Learn
- Analyse Discriminante : Classifieurs Expliqués
- Exploration des jeux de données et des estimateurs Scikit-Learn
- Kernel Ridge Regression
- Supervised Learning with Scikit-Learn
- Model Selection: Choosing Estimators and Their Parameters
- Supervised Learning with Support Vectors
- Exploring Scikit-Learn SGD Classifiers
- Unsupervised Learning: Seeking Representations of the Data
- Implementing Stochastic Gradient Descent
- Working with Text Data
- Gaussian Process Regression and Classification
- Dimensional Reduction with PLS Algorithms
- Naive Bayes Example
- Decision Tree Classification with Scikit-Learn
Félicitations !
Vous avez terminé avec succès le cours Quick Start With Data Science !
Ce que vous avez appris
Tout au long de ce cours, vous avez acquis une expérience pratique avec des concepts et des compétences essentiels. Voici les points clés :
- Concepts de base : Vous avez maîtrisé les principes et techniques fondamentaux
- Compétences pratiques : Vous avez appliqué vos connaissances à travers des laboratoires interactifs et des exercices
- Application pratique : Vous avez appris à résoudre des problèmes pratiques en utilisant les compétences acquises
Prochaines étapes
- Continuez à pratiquer avec des laboratoires plus avancés
- Explorez des cours connexes pour étendre vos connaissances
- Appliquez ce que vous avez appris dans vos propres projets
Continuez à apprendre et codez avec plaisir ! 🚀
