Aller au contenu principal
  • Carnet
    • Carnet de connaissances
    • Domaines de formation continue
    • Carnet de liens
    • Computing Wisdom for learner
    • Experiencing Rome
    • Romans, Références et films préférés
    • Italie 2026
  • Formation sur l’utilisation des outils numériques
  • Sujets d’études
    • Arduino
      • Arduino: la base
      • Arduino et le Kit Kuman K5
      • Arduino écran LCD Simple affichage
      • Arduino avec Matrice 8×8
      • Tests sur un Arduino R4 Wifi
      • Langage Ada sur Raspberry Pi 400
    • Python
      • Python
      • Algorithmes et Structures de données
      • Data Science: la science des données!
      • Exploration de VittaScience
      • ChatGPT & Python
      • Nostalgie: import turtle (langage Python)
      • Python… Visual Basic… TurboPascal
      • Python for scientists
    • Mathématiques
      • Algebra I High School (Great Courses)
      • Formulaire mathématique
      • Algebra II High School
      • Calculus: Notes de cours
      • Mathématiques avancées
      • Calculus II (Great Courses)
      • Wolfram Mathematica
      • Les Probabilités
      • Linear Algebra for Machine Learning
      • Mathematica & Raspberry Pi 400
    • Synthèse IA
    • Synthèses math
    • Informatique
      • AnimMaths
      • W3School
      • VittaScience
      • Blender v. 3.0.1 sur Linux
      • Excel / OpenOffice Calc
      • Computer Architecture 01
      • Computer Architecture 02
  • Langues
    • Plan de Match
    • Italian
    • Language Families
    • Gaelic
    • Spanish of Latin America
    • How to speak new language: Spanish
    • Le Latin: Méthode Assimil
    • Russe
    • Tibétain
    • German
    • Sanskrit
    • Le Grec Ancien
    • Michel Thomas Arabic
  • Data Science
    • Kaggle & ML
      • Kaggle & Python
      • Étude de Machine Learning avec Kaggle
      • Kaggle Exercice: Titanic
      • Kaggle: Data Visualisation
      • Kaggle: SQL
      • Kaggle & Deep Learning
      • Kaggle: Etude d’un modèle
      • Kaggle: Overfitting & Underfitting
      • Kaggle: Computer Vision
      • Kaggle & AI Ethics
    • Machine Learning
      • -01-Machine Learning in Python: NumPy
      • -02-Machine Learning in Python: Pandas
      • -03-Machine Learning: Seaborn & & Pandas Files
      • -04-Machine Learning: Data Visualization
      • -05-Machine Learning: MathPlotlib, GeoPlotlib
      • -06-Machine Learning: Intro + Synthèse (using Titanic)
      • -07-Machine Learning: Algorithms & Kaggle
      • -08-ML: Real Project (*Good Example *)
    • LinkedIn
      • LinkedIn: Data Mining in Python
      • LinkedIn: Python for Data Science
      • LinkedIn: Data Analysis for students
    • 365
      • Data Science: la science des données!
      • Data Science: Tests d’hypothèses
      • Data Science: l’analyse de la Régression (Statistique avancée)
      • Data Science: Python
      • Data Science: outils préalables au Deep Learning
    • DeepLearning
      • (1) Data Science: Introduction au Deep Learning
      • (2) Data Science: On va plus loin dans le Deep Learning
      • (3) Data Science: On va plus loin dans le Deep Learning (2e partie)
      • (4) Data Science: Reconnaissance de caractères
      • (6) Data Science: Classification & KNN
    • KGP Talkie
      • -01- Python: Deep Learning, Machine Learning, Convolution a Neural Network
      • -02- Python for Deep Learning (KGP Talkie)
      • (5) Data Science: PCA & Clustering
      • -03- Python for DL & AI
      • -04- Python for ML & AI: Deep Learning
      • -05- Python for ML & AI: Computer Vision
    • Computer Vision
      • -01- Computer Vision & Python
      • -02- Computer Vision
      • -03- Computer Vision
    • Tensors’rules if dimension > n x n
    • AI
      • Text Mining in Python
      • Text Mining in Python & Sentiment Analysis
      • Excellent Books
        • (*) Intro to Data Science (Springer ed)
        • Data Science from Scratch with Python (O’Reilly)
        • (***) DataSet Visualisation using Python
        • Python for everyone
      • Generative AI (Chat Gpt, DalleE-2, Microsoft Bing…)
      • Expérimentation personnelle
      • Generative AI

Domaines d'études

Jasmin Tremblay

Publié le février 8, 2025

Lectures

Publié le février 1, 2025mars 31, 2025

Le Latin: Méthode Assimil

Publié le janvier 25, 2025janvier 25, 2025

Rules

Publié le septembre 16, 2024août 23, 2025

Italian: Notes de Cours

Publié le août 9, 2024août 11, 2024

Python for Programmers (Deitel)

Publié le juillet 10, 2024juillet 22, 2024

(***) Python Beyond Basics for ML, DS, AI

Publié le juillet 7, 2024juillet 9, 2024

Python for everyone

Publié le juillet 4, 2024juillet 9, 2024

(*) Intro to Data Science (Springer ed)

Publié le juillet 1, 2024juillet 4, 2024

Data Science from Scratch with Python (O’Reilly)

Publié le juin 27, 2024juin 27, 2024

Expérimentation personnelle

Navigation des articles

Page précédente Page 1 Page 2 Page 3 Page 4 … Page 11 Page suivante

Menu

  • Carnet
    • Carnet de connaissances
    • Domaines de formation continue
    • Carnet de liens
    • Computing Wisdom for learner
    • Experiencing Rome
    • Romans, Références et films préférés
    • Italie 2026
  • Formation sur l’utilisation des outils numériques
  • Sujets d’études
    • Arduino
      • Arduino: la base
      • Arduino et le Kit Kuman K5
      • Arduino écran LCD Simple affichage
      • Arduino avec Matrice 8×8
      • Tests sur un Arduino R4 Wifi
      • Langage Ada sur Raspberry Pi 400
    • Python
      • Python
      • Algorithmes et Structures de données
      • Data Science: la science des données!
      • Exploration de VittaScience
      • ChatGPT & Python
      • Nostalgie: import turtle (langage Python)
      • Python… Visual Basic… TurboPascal
      • Python for scientists
    • Mathématiques
      • Algebra I High School (Great Courses)
      • Formulaire mathématique
      • Algebra II High School
      • Calculus: Notes de cours
      • Mathématiques avancées
      • Calculus II (Great Courses)
      • Wolfram Mathematica
      • Les Probabilités
      • Linear Algebra for Machine Learning
      • Mathematica & Raspberry Pi 400
    • Synthèse IA
    • Synthèses math
    • Informatique
      • AnimMaths
      • W3School
      • VittaScience
      • Blender v. 3.0.1 sur Linux
      • Excel / OpenOffice Calc
      • Computer Architecture 01
      • Computer Architecture 02
  • Langues
    • Plan de Match
    • Italian
    • Language Families
    • Gaelic
    • Spanish of Latin America
    • How to speak new language: Spanish
    • Le Latin: Méthode Assimil
    • Russe
    • Tibétain
    • German
    • Sanskrit
    • Le Grec Ancien
    • Michel Thomas Arabic
  • Data Science
    • Kaggle & ML
      • Kaggle & Python
      • Étude de Machine Learning avec Kaggle
      • Kaggle Exercice: Titanic
      • Kaggle: Data Visualisation
      • Kaggle: SQL
      • Kaggle & Deep Learning
      • Kaggle: Etude d’un modèle
      • Kaggle: Overfitting & Underfitting
      • Kaggle: Computer Vision
      • Kaggle & AI Ethics
    • Machine Learning
      • -01-Machine Learning in Python: NumPy
      • -02-Machine Learning in Python: Pandas
      • -03-Machine Learning: Seaborn & & Pandas Files
      • -04-Machine Learning: Data Visualization
      • -05-Machine Learning: MathPlotlib, GeoPlotlib
      • -06-Machine Learning: Intro + Synthèse (using Titanic)
      • -07-Machine Learning: Algorithms & Kaggle
      • -08-ML: Real Project (*Good Example *)
    • LinkedIn
      • LinkedIn: Data Mining in Python
      • LinkedIn: Python for Data Science
      • LinkedIn: Data Analysis for students
    • 365
      • Data Science: la science des données!
      • Data Science: Tests d’hypothèses
      • Data Science: l’analyse de la Régression (Statistique avancée)
      • Data Science: Python
      • Data Science: outils préalables au Deep Learning
    • DeepLearning
      • (1) Data Science: Introduction au Deep Learning
      • (2) Data Science: On va plus loin dans le Deep Learning
      • (3) Data Science: On va plus loin dans le Deep Learning (2e partie)
      • (4) Data Science: Reconnaissance de caractères
      • (6) Data Science: Classification & KNN
    • KGP Talkie
      • -01- Python: Deep Learning, Machine Learning, Convolution a Neural Network
      • -02- Python for Deep Learning (KGP Talkie)
      • (5) Data Science: PCA & Clustering
      • -03- Python for DL & AI
      • -04- Python for ML & AI: Deep Learning
      • -05- Python for ML & AI: Computer Vision
    • Computer Vision
      • -01- Computer Vision & Python
      • -02- Computer Vision
      • -03- Computer Vision
    • Tensors’rules if dimension > n x n
    • AI
      • Text Mining in Python
      • Text Mining in Python & Sentiment Analysis
      • Excellent Books
        • (*) Intro to Data Science (Springer ed)
        • Data Science from Scratch with Python (O’Reilly)
        • (***) DataSet Visualisation using Python
        • Python for everyone
      • Generative AI (Chat Gpt, DalleE-2, Microsoft Bing…)
      • Expérimentation personnelle
      • Generative AI

octobre 2026
L M M J V S D
 1234
567891011
12131415161718
19202122232425
262728293031  
« Sep    

Archives

  • septembre 2026
  • Mai 2026
  • mars 2026
  • janvier 2026
  • novembre 2025
  • août 2025
  • juillet 2025
  • juin 2025
  • avril 2025
  • février 2025
  • janvier 2025
  • septembre 2024
  • août 2024
  • juillet 2024
  • juin 2024
  • Mai 2024
  • avril 2024
  • mars 2024
  • février 2024
  • janvier 2024
  • décembre 2023
  • novembre 2023
  • Formation sur l’utilisation des outils numériques
  • Italie 2026
  • Synthèse IA
  • Synthèses mathématiques
  • Generative AI
Un site Web propulsé par WordPress.com.
Domaines d'études
Un site Web propulsé par WordPress.com.
  • S'abonner Abonné
    Domaines d'études

    Vous avez un compte WordPress.com ? Connectez-vous maintenant.

  • Domaines d'études
    Voir le site dans le Lecteur
    Gérer les abonnementsS’inscrireConnexion
    Signaler ce contenu
    Réduire cette barre
Chargement des commentaires…