Python pour la Data Science et le Machine Learning: A à Z
- Description
- Curriculum
- FAQ
- Reviews
Python est reconnu comme l’un des meilleurs langages de programmation pour sa flexibilité. Il fonctionne dans presque tous les domaines, du développement Web au développement d’applications financières. Cependant, ce n’est un secret pour personne que la meilleure application de Python est dans les tâches de data science, d’analyse de données et de Machine Learning.
Bien que Python facilite l’utilisation du Machine Learning et de l’analyse de données, il sera toujours assez frustrant pour quelqu’un qui n’a aucune connaissance du fonctionnement de l’apprentissage automatique.
Si vous avez envie d’apprendre l’analyse de données et le Machine Learning avec Python, ce cours est fait pour vous. Ce cours vous aidera à apprendre à créer des programmes qui acceptent la saisie de données et automatisent l’extraction de fonctionnalités, simplifiant ainsi les tâches du monde réel pour les humains.
Il existe des centaines de ressources d’apprentissage automatique disponibles sur Internet. Cependant, vous risquez d’apprendre des leçons inutiles si vous ne filtrez pas ce que vous apprenez. Lors de la création de ce cours, nous avons tout filtré pour isoler les bases essentielles dont vous aurez besoin dans votre parcours d’apprentissage en profondeur.
C’est un cours de base qui convient aussi bien aux débutants qu’aux experts. Si vous êtes à la recherche d’un cours qui commence par les bases et passe aux sujets avancés, c’est le meilleur cours pour vous.
Il enseigne uniquement ce dont vous avez besoin pour vous lancer dans l’apprentissage automatique et l’analyse de données sans fioritures. Bien que cela aide à garder le cours assez concis, il s’agit de tout ce dont vous avez besoin pour commencer avec le sujet.
-
1Bienvenue au coursVideo lesson
-
2Introduction à Python pour la Data ScienceVideo lesson
-
3Installation de Python pour la Data ScienceVideo lesson
-
4Qu'est-ce que Jupyter Notebook ?Video lesson
-
5Installation d'Anaconda sur Windows, Mac & UbuntuVideo lesson
-
6Implémentation de Python dans JupyterVideo lesson
-
7Gestion des Répertoires dans Jupyter NotebookVideo lesson
-
8Entrée-SortieVideo lesson
-
9Différents Types de DonnéesVideo lesson
-
10VariablesVideo lesson
-
11Opérateurs ArithmétiquesVideo lesson
-
12Opérateurs de ComparaisonVideo lesson
-
13Opérateurs LogiquesVideo lesson
-
14Instructions ConditionnellesVideo lesson
-
15BouclesVideo lesson
-
16Séquences : ListesVideo lesson
-
17Séquences : DictionnairesVideo lesson
-
18Séquences : N-upletsVideo lesson
-
19Fonctions intégréesVideo lesson
-
20Fonctions définis par l'utilisateurVideo lesson
-
21Supports de Cours: Python pour la Data ScienceText lesson
-
22Installation des bibliothèquesVideo lesson
-
23Importation de bibliothèquesVideo lesson
-
24Bibliothèque Pandas pour la Data ScienceVideo lesson
-
25Bibliothèque NumPy pour la Data ScienceVideo lesson
-
26Pandas vs NumPyVideo lesson
-
27Bibliothèque Matplotlib pour la Data ScienceVideo lesson
-
28Bibliothèque Seaborn pour la Data ScienceVideo lesson
-
34.zeros()Video lesson
-
35.ones()Video lesson
-
36.full()Video lesson
-
37Addition d'un scalaireVideo lesson
-
38Soustraction d'un scalaireVideo lesson
-
39Multiplication par un scalaireVideo lesson
-
40Diviser par un scalaireVideo lesson
-
41PuissanceVideo lesson
-
42TransposéeVideo lesson
-
43Addition par élémentsVideo lesson
-
44Soustraction par élémentsVideo lesson
-
45Multiplication par élémentsVideo lesson
-
46Division par élémentsVideo lesson
-
47Multiplication matricielleVideo lesson
-
48StatistiquesVideo lesson
-
49IntroductionVideo lesson
-
50Structure de données PandasVideo lesson
-
51Qu'est-ce que le DataFrame Pandas ?Video lesson
-
52Qu'est-ce qu’une Série Pandas ?Video lesson
-
53DataFrame et SériesVideo lesson
-
54Création d'un DataFrame en utilisant des listesVideo lesson
-
55Création d'un DataFrame à l'aide d'un dictionnaireVideo lesson
-
56Chargement d'un fichier csv en tant que DataFrameVideo lesson
-
57Changer la colonne d'indexVideo lesson
-
58InplaceVideo lesson
-
59Examen du DataframeVideo lesson
-
60Résumé StatistiqueVideo lesson
-
61Opérateur pour le découpage en rangsVideo lesson
-
62Opérateur pour l'indexation des colonnesVideo lesson
-
63Listes BooléennesVideo lesson
-
64Filtrage des lignesVideo lesson
-
65Filtrer les rangs en utilisant l'opérateur AND et ORVideo lesson
-
66Filtrer avec locVideo lesson
-
67Filtrer avec iloc pour le découpage en tranchesVideo lesson
-
68Ajout et suppression de lignes et de colonnesVideo lesson
-
69Triage des valeursVideo lesson
-
70Exportation de DataFrame pandas en csvVideo lesson
-
71Concaténation de DataFramesVideo lesson
-
72Groupby()Video lesson
-
73Qu’est-ce que le Machine Learning ?Video lesson
-
74Applications du Machine LearningVideo lesson
-
75Méthodes de Machine LearningVideo lesson
-
76Qu’est-ce que l’apprentissage supervisé ?Video lesson
-
77Qu’est-ce que l’apprentissage non supervisé ?Video lesson
-
78Apprentissage supervisé vs apprentissage non superviséVideo lesson
-
81Introduction à la régressionVideo lesson
-
82Comment fonctionne la régression linéaire ?Video lesson
-
83Représentation de ligneVideo lesson
-
84Implémentation en python : Importation de bibliothèques et de jeux de donnéesVideo lesson
-
85Implémentation en python : Distribution des donnéesVideo lesson
-
86Implémentation en python : Créer un objet de régression linéaireVideo lesson
External Links May Contain Affiliate Links read more