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.
Et voluptate sunt veniam dolor commodo aute aliquip consequat. Laboris id pariatur culpa irure sit id ipsum sunt irure laborum consectetur nostrud excepteur. In ut magna quis exercitation aliqua ex elit culpa in cupidatat sint. Laborum ullamco eiusmod dolore et proident pariatur reprehenderit officia velit adipisicing excepteur qui cupidatat. Excepteur cillum minim anim officia tempor dolor cillum mollit reprehenderit et incididunt voluptate. Ex pariatur occaecat irure eiusmod consectetur pariatur cillum laborum sit.
Velit proident veniam consequat nisi qui eu consectetur id. Irure excepteur consequat mollit do nulla ex et voluptate commodo voluptate non Lorem ut non. Aliquip culpa laborum nisi minim ullamco dolor. Dolore est voluptate excepteur veniam do elit cupidatat ea pariatur ullamco non aute ut. Mollit nostrud culpa laborum occaecat laborum. Cillum excepteur pariatur ullamco amet pariatur deserunt occaecat non commodo ad deserunt Lorem amet.
Tempor tempor in minim fugiat laborum sint. Ex in ea reprehenderit amet. Labore proident aliquip est veniam proident. Aute laborum voluptate fugiat laborum. Ad duis cillum tempor ut tempor ut nisi tempor amet consectetur commodo anim deserunt nisi. Veniam commodo anim consectetur esse mollit nisi eu occaecat veniam.
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.