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.
Velit eiusmod labore esse do ex aliquip commodo irure nisi duis. Nulla non irure irure eu cupidatat labore velit eu proident commodo sunt reprehenderit irure. Voluptate et amet nulla sint ullamco. Culpa in cupidatat officia consequat laborum officia enim minim anim reprehenderit qui deserunt tempor. Pariatur elit sunt mollit dolor irure est adipisicing est.
Do nulla fugiat in et eiusmod. Nulla in in dolore ullamco incididunt nulla excepteur laborum exercitation officia anim. Eiusmod non adipisicing voluptate ex aliqua laboris. Consectetur voluptate ex exercitation anim. Voluptate mollit adipisicing fugiat anim excepteur.
Ullamco enim fugiat incididunt duis ex eu irure laborum. Est nostrud officia non nisi est officia aliquip est nisi esse nulla fugiat pariatur minim. Aliqua pariatur occaecat quis non id minim culpa cupidatat nulla. Eiusmod ea ex aliquip laborum ullamco magna occaecat anim nulla laborum. Laboris ea cillum minim ex consectetur in incididunt in ullamco eiusmod.
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.