Une plongée dans le filtrage, la manipulation et le fonctionnement
Continue readingMaîtrisez la transformation des données dans les pandas avec ces trois techniques utiles
Générer un maillage 3D à partir d’une image avec Python
Combinez le Deep Learning avec le traitement de données 3D pour générer un maillage
Continue readingL’analyse des données simplifiée : utiliser les LLM pour automatiser les tâches fastidieuses
L’analyse des données peut être à la fois difficile et enrichissante. Du nettoyage d’ensembles de données désordonnés à la création de modèles complexes, il y a toujours beaucoup à faire et pas assez de temps pour le faire. Mais que se passerait-il s’il existait un moyen de rationaliser et d’automatiser certaines des tâches les plus routinières, libérant ainsi plus de temps pour la réflexion stratégique et la prise de décision ? C’est là qu’interviennent les LLM.
Continue readingPrévision de séries chronologiques : Apprentissage en profondeur contre statistiques – Qui gagne ?
Un guide complet sur le dilemme ultime
Continue readingUtilisation du Deep Learning en Python pour la classification des données audio
Ajustement précis des modèles d’image pour lutter contre le changement de domaine et le déséquilibre des classes avec PyTorch et torchaudio dans les données audio
Continue readingConstruire un estimateur de Parzen arborescent à partir de zéro (en quelque sorte)
Une alternative aux méthodes traditionnelles de réglage des hyperparamètres
Continue readingLes 3 raisons pour lesquelles on a définitivement passé des Pandas aux Polars
Au moment d’écrire cet article, cela fait six ans que j’ai décroché mon premier emploi en science des données. Et, pendant ces six années entières passées à faire de la science des données, Pandasa été le fondement de tout mon travail : analyses exploratoires de données, analyses d’impact, validations de données, expérimentation de modèles, etc. Ma carrière s’est construite là-dessus Pandas!
Continue reading