Ils présentent leurs animateurs en animation 3D… Introduction avec vidéos de 2 à 10 minutes.
Exemples utilisés avec Jupyter très intéressants!
Avoir à présenter ce cours, j’utiliserais ces exemples!
En visionnant les vidéos, ils utilisent Google Colab pour expérimenter les exemples en Python de format .ipynb ou bien en format .py, installés localement, ou sur GitHub ou sur GoogleDrive!
Avec Google Colab, possibilité de Partager notre NoteBook à la communauté,
Chap 2: Python Basic
Chap 3: Advance Python Concept
La meilleure présentation du fonctionnement de la Récursivité:
La fonction ZIP telle que présentée est vraiment forte!!!
Numpy: La plus grande quantité d’expérimentations présentée!
Les fonctions DEPRECATED demandent des ajustements suggérés dans les mises à jour des librairies.
Librairie Pandas: l’outil idéal pour les DataFrame
Scipy
MatPlotLib
MatPlotLib permet d’afficher très facilement des graphiques à 2 variables X,Y!
De personnaliser ses graphiques avec couleurs, titres et certains effets rends la lecture des informations plus agréable!
Et MatplotLib peut servir à traccer des simples droites, équations math, histogrammes en tout genre autre que pour le ML ou AI!
Seaborn
Seaborn: beaucoup de fonctions ne sont plus à jour
Plotly
(* Hindi language not always easy to understand… *)
Ils utilisent la Data Set Iris, accessible dans toute étude de données!
Plotly présente une grande variété de graphiques de données… pas des plus stylisées, mais ils affichent les infos nécessaires pour l’interprétation des données.
MACHINE LEARNING
(* Simple introduction théorique *)
Data Science
ÉTUDE DE CAS
Data Science
Understanding Pandas with Titanic
Simple Linear Regression
Logistic Regression
Exploration des données
Building a Logistic Regression model
Train Test Split
Machine à vecteurs de support (Support Vector Machine)
SVM Project
NLP Introduction
Scikit-learn library: Diabetes Case
Scikit-learn library: Titanic Case
(* 22 juillet 2024 *)
Domaines d'études 