Below you'll find a list of all posts that have been categorized as “méthode”
Besoin de nettoyer et vectoriser rapidement vos données tabulaires pour du machine learning ?
On vous présente Skrub, une bibliothèque Python développée par l’équipe derrière scikit-learn.
Nettoyage automatique, jointures floues, vectorisation intelligente : en quelques lignes, vos données sont prêtes pour vos modèles.
Vous hésitez entre R et Python pour manipuler vos données ?
Découvrez les équivalences claires entre dplyr et pandas, avec du code et des explications pas à pas.
Un guide complet pour choisir le bon outil et passer facilement de l’un à l’autre.
Découvrez comment aller au-delà des métriques classiques et évaluer l’impact réel des modèles de machine learning. Cet article vous guide pour connecter scores, coûts et bénéfices, afin de maximiser leur valeur métier.
La data science est une discipline fascinante, mais elle est souvent mal comprise, ce qui conduit à des erreurs fréquentes. Cet article explore 7 erreurs classiques en data science, big data et machine learning, tout en proposant des solutions pratiques pour les éviter.
Data Lake ou Data Warehouse ? Le premier offre souplesse et volume, le second structure et performance. Le bon choix dépend de vos données, de vos usages… et de votre maturité data.
Dans un projet python, la gestion des logs est essentielle pour assurer le suivi, le débogage et la maintenabilité du code, surtout dans les projets data. Un bon logger doit être centralisé, réutilisable, structurant et capable d’écrire dans des fichiers. Dans cet article, nous vous montrons comment mettre en place un logger adapté à un projet Python organisé en plusieurs …
Vous avez forcément entendu parler du box-plot que l’on appelle aussi boîte à moustache pour sa forme originale.
Ce graphique tout simple permet de résumer une variable de manière simple et visuel, d’identifier les valeurs extrêmes et de comprendre la répartition des observations.
La gouvernance des données assure la fiabilité, la sécurité et la qualité de l’information.
Elle s’appuie sur des rôles dédiés (CDO, Data Steward) et des cadres (COBIT, DAMA-DMBOK, DCAM).
Chacun accède aux bonnes données au bon moment.
L’entreprise développe ainsi une culture data favorisant l’innovation.
Git est un système de gestion de versions distribué essentiel pour vos projets data. Il vous permet de suivre chaque modification de scripts, notebooks et fichiers de configuration, tout en facilitant la collaboration via des branches et des pull requests. Couplé à des outils de CI/CD (Intégration et Livraison Continues), vous pouvez automatiser les tests et le déploiement de vos pipelines data, garantissant un code toujours fonctionnel et fiable.
Les nuages de points, ou scatter plots, permettent d’analyser les relations entre deux variables numériques. Cet article explique comment générer des données, utiliser Matplotlib pour tracer ces graphes, et personnaliser les visualisations avec Seaborn. Il aborde également des techniques pour représenter des catégories, ajouter des lignes de régression, et annoter les points.
