Cette séance de cours couvre l'analyse d'un ensemble de données sur les voitures, y compris la lecture des données d'un fichier, la définition d'une classe de données pour les voitures et l'extraction d'informations pertinentes telles que la marque, le modèle, les cylindres, le poids et l'origine. L'instructeur montre comment traiter l'ensemble de données et imprimer les détails de la voiture.
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.
Incididunt nostrud culpa Lorem in. Nisi sit aliqua eu Lorem id mollit est dolore ut elit sint cupidatat. Quis fugiat exercitation magna quis Lorem tempor esse consequat cupidatat.
Eu aute aliqua excepteur qui sunt tempor cupidatat exercitation et labore eu. Sit exercitation enim ad elit. Dolore ullamco incididunt aute do officia mollit in ad id sit veniam exercitation dolor. Voluptate dolor aliqua reprehenderit cupidatat elit ut deserunt consequat tempor deserunt. Qui enim enim laborum minim. Nisi aliqua irure irure consectetur minim ea est mollit mollit quis incididunt qui tempor. Excepteur occaecat non tempor amet voluptate minim id incididunt consequat eiusmod cupidatat id.
Consectetur voluptate culpa et laborum culpa duis eu id eu exercitation aute elit. Adipisicing anim in adipisicing est et sit exercitation cillum id dolore officia aliqua. Sit exercitation fugiat duis in. Consequat reprehenderit esse sit fugiat commodo officia tempor cupidatat. Fugiat aliqua ad et dolore commodo non.
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.
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.
Couvre les techniques de manipulation des données à l'aide de Hadoop, en se concentrant sur les bases de données axées sur les lignes et les colonnes, les formats de stockage populaires et l'intégration HBase-Hive.
Couvre les cadres de données Spark, les collections distribuées de données organisées en colonnes nommées, et les avantages de les utiliser sur les DDR.