Passer au contenu principal
Graph
Search
fr
|
en
Se Connecter
Recherche
Tous
Catégories
Concepts
Cours
Séances de cours
MOOCs
Personnes
Exercices
Publications
Start-ups
Unités
Afficher tous les résultats pour
Accueil
Séance de cours
Surveillance médiatique du passé : Perspectives du projet Impresso
Graph Chatbot
Séances de cours associées (32)
Précédent
Page 3 sur 4
Suivant
Data Science: Python pour les ingénieurs - Partie II
Explore les data wrangling, le traitement numérique des data, et la visualisation scientifique en utilisant Python pour les ingénieurs.
Exploration des données : Analyse des séries chronologiques
Explore les techniques d'analyse des données, en mettant l'accent sur la prévision des séries chronologiques dans un environnement de classe inversé.
Monde des données : visualisation et éthique
Explore l'importance de la visualisation des données dans la communication et la cognition, ainsi que les considérations éthiques.
Réduction de dimensionnalité: PCA & t-SNE
Explore PCA et t-SNE pour réduire les dimensions et visualiser efficacement les données à haute dimension.
Carte du choléra de John Snow
Explore la carte emblématique du choléra du Dr John Snow et son impact sur l'épidémiologie moderne grâce à la visualisation des données.
Commons de données à grande échelle: Venice Time Machine
Explore l'évolution du projet Time Machine de Venise à l'Europe, en présentant la création de biens communs de données à grande échelle.
Evolution de la visualisation des données : les œuvres artistiques de Legrady
Se penche sur l'évolution de George Legrady en matière de visualisation des données de 1975 à 2009, explorant la classification et la traduction en expériences visuelles.
Carte du choléra de John Snow
Explore la carte révolutionnaire du choléra du Dr John Snow et son impact durable sur l'épidémiologie moderne.
Visualisation de données : Graphiques Excel
Couvre les bases de la création et de la personnalisation de graphiques dans Excel.
PCA: Directions de la plus grande variance
Couvre l'APC, trouvant les directions de la plus grande variance, la réduction de dimensionnalité des données et les limites de l'APC.