Séance de cours
L'essentiel de la science des données: Pandas, Numpy, Matplotlib
Séances de cours associées (114)
Introduction générale à la science des données
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.
Apprentissage supervisé : Régression linéaire
Couvre l'apprentissage supervisé en mettant l'accent sur la régression linéaire, y compris des sujets comme la classification numérique, la détection des pourriels et la prédiction de la vitesse du vent.
La collaboration dans le domaine de la science des données
Couvre les outils collaboratifs de science des données, les concepts de big data, Spark, et le traitement du flux de données, avec des conseils pour le projet final.
Analyse des données sur la pollution atmosphérique
Couvre l'analyse des données sur la pollution atmosphérique, en se concentrant sur les bases de R, en visualisant des séries chronologiques et en créant des résumés des concentrations de polluants.
Modèles de mélange gaussien : Classification des données
Explore les signaux de débruitage avec des modèles de mélange gaussien et l'algorithme EM, l'analyse de signal EMG et la segmentation d'image à l'aide de modèles markoviens.
Régression linéaire : Fondements et applications
Explore les fondamentaux de la régression linéaire, la formation des modèles, l'évaluation et les mesures du rendement, en soulignant l'importance de la R2, du MSE et de l'EAM.
Collaborative Data Science : outils et flux de travail Git
Explore des outils tels que Git et Docker pour des projets collaboratifs de science des données.
Introduction à l'apprentissage automatique
Couvre les bases de l'apprentissage automatique, y compris l'apprentissage supervisé et non supervisé, la régression linéaire et la classification.
Nanotoxicologie : Discipline émergente des particules ultrafines
Explore la nanotoxicologie et la chimie atmosphérique, en mettant l'accent sur les dépôts de particules, les émissions et les dépôts acides.
Science des données pour les ingénieurs: Partie 2
Explore la manipulation, l'exploration et la visualisation de données dans des projets de science des données en utilisant Python.