Ce blog a pour but de vous informer sur les dernières nouveautés, actualités du monde de la data. N'hésitez pas à commenter nos articles.
Stat4decision vous propose de nouveaux parcours de formation adaptés aux besoins du marché de la data. Nos parcours sont basés sur un maximum de pratique avec un encadrement permanent par des experts.
Nos parcours courts vous permettent d’acquérir des compétences précises pouvant être exploitées en entreprise.
Cet article vous permet de découvrir la construction de titres dynamiques avec Microsoft Power BI par des exemples de code.
Cet article vous permet de découvrir le principe de Pareto et sa mise en œuvre avec Microsoft Power BI par des exemples de code.
Vous débutez en python et vous recherchez la bonne interface de développement pour coder en python, vous trouverez toutes les infos dont vous avez besoin dans cet article !
Lorsque vous traitez des données, vous avez besoin de pouvoir les comparer, d’analyser leur évolution dans le temps, … Vous avez donc besoin de faire appel à la temporalité et fonctions de time intelligence.
Cet article présente les fonctions itératives et leur application à l’aide de Microsoft Power BI.
Mise à jour importante : De nouvelles conditions d’accès au FNE-Formation renforcé sont instaurées à partir du 1er novembre, dans le cadre de la réforme de l’activité partielle et de la mise en place du plan « France Relance ». 2 changement importants : Public : seuls les salariés placés en activité partielle ou activité partielle de longue durée (APLD) pourront désormais bénéficier du dispositif FNE-Formation. Financement …
Jupyter Voilà, c’est l’outil de l’écosystème Jupyter pour créer des dashboard interactifs et des applications web à partir de vos Notebooks.
Dans un souci d’amélioration continue de nos offres de formations data, nous vous proposons des méthodes innovantes pour vous former à la data science et à ses outils. Le blended learning en est une des plus importante.
Dans cet article nous allons appliquer une régression logistique avec python en utilisant deux packages très différents : scikit-learn et statsmodels. Nous verrons les pièges à éviter et le code associé.
