Visualisation de la science des données avec Pandas
Description
Cette séance de cours couvre la manipulation et l'exploration des données à l'aide de Python en mettant l'accent sur les techniques de visualisation. Les sujets abordés comprennent le remodelage des trames de données, la gestion des valeurs manquantes et la combinaison des mesures des capteurs. Les exercices pratiques impliquent le rééchantillonnage, l’interpolation et la visualisation des données pour identifier les corrélations et les tendances.
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Graph Chatbot
Chattez avec Graph Search
Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.
AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.
Minim occaecat irure et dolor elit esse dolore cupidatat exercitation anim ullamco amet proident. In ipsum cupidatat nisi elit irure cillum. Id reprehenderit excepteur dolor aliqua occaecat ex voluptate consectetur qui irure ipsum exercitation tempor cillum. Ex pariatur sunt veniam do incididunt pariatur elit elit non enim pariatur laborum. Voluptate eiusmod laboris commodo mollit do velit eiusmod velit minim amet. Adipisicing proident ea irure sint exercitation ex.
Do culpa aliqua incididunt non pariatur culpa. Non elit ad eu veniam cillum cillum non dolor esse minim ipsum ad et magna. Velit cillum sint voluptate anim laboris laboris. Dolore mollit aliqua tempor dolor eiusmod irure excepteur sunt minim. Mollit Lorem aute tempor nisi laborum non ea qui ut ullamco culpa occaecat. Culpa ullamco aliqua deserunt laboris adipisicing nostrud consectetur aute magna incididunt proident sint dolor fugiat.
Introduit les bases de la science des données, couvrant les arbres de décision, les progrès de l'apprentissage automatique et l'apprentissage par renforcement profond.
Offre une introduction complète à la science des données, couvrant Python, Numpy, Pandas, Matplotlib et Scikit-learn, en mettant l'accent sur les exercices pratiques et le travail collaboratif.
Couvre les outils de science des données, Hadoop, Spark, les écosystèmes des lacs de données, le théorème CAP, le traitement par lots vs. flux, HDFS, Hive, Parquet, ORC, et l'architecture MapReduce.
Se concentre sur les fonctions avancées de pandas pour la manipulation, l'exploration et la visualisation des données avec Python, en soulignant l'importance de la compréhension et de la préparation des données.