| 01_contenu | |||
| 01. Introduction | |||
| 01. Bienvenue dans « Python pour la data science ».mp4 | 12.26 MB | ||
| 02. Aborder le langage Python | |||
| 01. Comprendre l'importance de la data science.mp4 | 26.64 MB | ||
| 02. Expliquer le choix de Python.mp4 | 13.56 MB | ||
| 03. Installer Python.mp4 | 14.97 MB | ||
| 03. Mener des opérations basiques | |||
| 01. Effectuer des opérations basiques sur les listes.mp4 | 16.1 MB | ||
| 02. Effectuer des opérations avancées sur les listes.mp4 | 19.37 MB | ||
| 03. Tirer parti des dictionnaires.mp4 | 18.46 MB | ||
| 04. Découvrir les compréhensions.mp4 | 18.85 MB | ||
| 04. Charger et préparer les données | |||
| 01. Comprendre l'intérêt du prétraitement de données.mp4 | 20.18 MB | ||
| 02. Charger des fichiers Excel et CSV.mp4 | 16.61 MB | ||
| 03. Charger un fichier JSON.mp4 | 11.28 MB | ||
| 04. Interroger une base de données SQL Server.mp4 | 9.64 MB | ||
| 05. Concaténer différentes sources de données.mp4 | 18.74 MB | ||
| 06. Fusionner différentes sources de données.mp4 | 22.05 MB | ||
| 07. Manipuler des données manquantes.mp4 | 19.01 MB | ||
| 08. Maîtriser les statistiques descriptives avec NumPy.mp4 | 18.65 MB | ||
| 09. Maîtriser les statistiques descriptives avec Pandas.mp4 | 20.76 MB | ||
| 05. Manipuler différents types de données | |||
| 01. Découvrir différents types de données.mp4 | 9.99 MB | ||
| 02. Manipuler des données quantitatives avec NumPy.mp4 | 19.69 MB | ||
| 03. Aborder les techniques d'encodage.mp4 | 25.14 MB | ||
| 04. Manipuler des données textuelles avec Pandas.mp4 | 20.16 MB | ||
| 05. Manipuler des données textuelles avec NLTK.mp4 | 28.84 MB | ||
| 06. Utiliser les séries temporelles.mp4 | 16.68 MB | ||
| 07. Manipuler des images.mp4 | 21.72 MB | ||
| 06. Aborder la visualisation des données | |||
| 01. Découvrir les bases de la visualisation de données.mp4 | 17.41 MB | ||
| 02. Aborder Matplotlib.mp4 | 18.01 MB | ||
| 03. Appréhender Seaborn.mp4 | 15.72 MB | ||
| 04. Découvrir Bokeh.mp4 | 22.72 MB | ||
| 05. Aller plus loin avec Matplotlib.mp4 | 17.08 MB | ||
| 07. S'initier au web scraping | |||
| 01. Comprendre le web scraping.mp4 | 11.65 MB | ||
| 02. Explorer un document HTML avec Beautiful Soup.mp4 | 24.5 MB | ||
| 03. Découvrir les objets Tag et NavigableString.mp4 | 22.54 MB | ||
| 04. Aller plus loin avec le web scraping.mp4 | 25.48 MB | ||
| 05. Pratiquer le web scraping.mp4 | 21.09 MB | ||
| 08. Se familiariser avec les algorithmes de machine learning | |||
| 01. Comprendre la régression linéaire.mp4 | 14.64 MB | ||
| 02. Mettre en œuvre la régression linéaire.mp4 | 20.49 MB | ||
| 03. Comprendre l'algorithme SVM.mp4 | 15.81 MB | ||
| 04. Utiliser l'algorithme SVM.mp4 | 19.53 MB | ||
| 05. Comprendre la classification naïve bayésienne.mp4 | 17.6 MB | ||
| 06. Pratiquer la classification naïve bayésienne.mp4 | 24.99 MB | ||
| 07. Comprendre l'algorithme des k-moyennes.mp4 | 13.23 MB | ||
| 08. Utiliser l'algorithme des k-moyennes.mp4 | 21.73 MB | ||
| 09. Analyser en composante principale PCA.mp4 | 24.31 MB | ||
| 09. Aborder le deep learning avec Keras et TensorFlow | |||
| 01. Comprendre le deep learning.mp4 | 20.82 MB | ||
| 02. Aborder les concepts du deep learning.mp4 | 11.29 MB | ||
| 03. Découvrir les hyperparamètres.mp4 | 10.52 MB | ||
| 04. Comprendre les fonctions d'activation.mp4 | 19.27 MB | ||
| 05. Choisir un optimiseur.mp4 | 14.23 MB | ||
| 06. Découvrir TensorFlow.mp4 | 14.85 MB | ||
| 07. Aborder Keras.mp4 | 8.98 MB | ||
| 08. Comprendre et préparer les données.mp4 | 17.59 MB | ||
| 09. Déployer le modèle.mp4 | 17.79 MB | ||
| 10. Conclusion | |||
| 01. Conclure sur Python pour la data science.mp4 | 3.54 MB | ||
| 99_code_source | |||
| Chapitre_01 | |||
| installer_importer_librairie.ipynb | 9.02 KB | ||
| Chapitre_02 | |||
| comp&gen.ipynb | 4.36 KB | ||
| dictionnaires.ipynb | 5.64 KB | ||
| listes_1.ipynb | 7.13 KB | ||
| listes_2.ipynb | 6.47 KB | ||
| Chapitre_03 | |||
| charger_editer_fichier_excel.ipynb | 9.18 KB | ||
| concaténer_différentes_sources_données.ipynb | 13.64 KB | ||
| créer_charger_fichier_json.ipynb | 3.44 KB | ||
| exemple.xlsx | 8.37 KB | ||
| fusionner_différentes_sources_données.ipynb | 19.78 KB | ||
| interroger_base_données_sql_server.ipynb | 3.67 KB | ||
| manipuler_données_manquantes.ipynb | 14.82 KB | ||
| maîtriser_statistiques_descriptives_numpy.ipynb | 14.66 KB | ||
| maîtriser_statistiques_descriptives_pandas.ipynb | 18.71 KB | ||
| Chapitre_04 | |||
| aborder_techniques_encodage.ipynb | 12.53 KB | ||
| manipuler_données_images.ipynb | 488.85 KB | ||
| manipuler_données_quantitatives_numpy.ipynb | 5.58 KB | ||
| manipuler_données_texte_nltk.ipynb | 34.11 KB | ||
| manipuler_données_texte_pandas.ipynb | 9.04 KB | ||
| utiliser_séries_temporelles.ipynb | 5.76 KB | ||
| Chapitre_05 | |||
| aller_plus_loin_matplotlib.ipynb | 104.33 KB | ||
| decouvrir_bokeh.ipynb | 4.4 KB | ||
| decouvrir_matplotlib.ipynb | 77.33 KB | ||
| decouvrir_seaborn.ipynb | 233.01 KB | ||
| iris.pkl | 5.88 KB | ||
| Chapitre_06 | |||
| aller_plus_loin_beautifulsoup.ipynb | 10.12 KB | ||
| etude_de_cas_beautifulsoup.ipynb | 13.26 KB | ||
| introduction_beautifulsoup.ipynb | 10.47 KB | ||
| tag_navigablestring_beautifulsoup.ipynb | 8.27 KB | ||
| Chapitre_07 | |||
| classification_naïve_bayésienne.ipynb | 190.87 KB | ||
| kmoyennes.ipynb | 97.84 KB | ||
| pca.ipynb | 13.78 KB | ||
| regression_lineaire.ipynb | 21.12 KB | ||
| svm.ipynb | 7.48 KB | ||
| Chapitre_08 | |||
| decouvrir_tensorflow.ipynb | 6.64 KB | ||
| deep_learning_chargement_données.ipynb | 25.79 KB | ||
| deep_learning_déploiement.ipynb | 3.28 KB | ||
| 99_configuration.txt | 4.03 KB | ||
| 99_transcription.docx | 64.69 KB | ||
| 99_vignette.jpg?042148 | 278.54 KB | ||
| 02_code_source | |||
| Chapitre_01 | |||
| installer_importer_librairie.ipynb | 9.02 KB | ||
| Chapitre_02 | |||
| comp&gen.ipynb | 4.36 KB | ||
| dictionnaires.ipynb | 5.64 KB | ||
| listes_1.ipynb | 7.13 KB | ||
| listes_2.ipynb | 6.47 KB | ||
| Chapitre_03 | |||
| charger_editer_fichier_excel.ipynb | 9.18 KB | ||
| concaténer_différentes_sources_données.ipynb | 13.64 KB | ||
| créer_charger_fichier_json.ipynb | 3.44 KB | ||
| exemple.xlsx | 8.37 KB | ||
| fusionner_différentes_sources_données.ipynb | 19.78 KB | ||
| interroger_base_données_sql_server.ipynb | 3.67 KB | ||
| manipuler_données_manquantes.ipynb | 14.82 KB | ||
| maîtriser_statistiques_descriptives_numpy.ipynb | 14.66 KB | ||
| maîtriser_statistiques_descriptives_pandas.ipynb | 18.71 KB | ||
| Chapitre_04 | |||
| aborder_techniques_encodage.ipynb | 12.53 KB | ||
| manipuler_données_images.ipynb | 488.85 KB | ||
| manipuler_données_quantitatives_numpy.ipynb | 5.58 KB | ||
| manipuler_données_texte_nltk.ipynb | 34.11 KB | ||
| manipuler_données_texte_pandas.ipynb | 9.04 KB | ||
| utiliser_séries_temporelles.ipynb | 5.76 KB | ||
| Chapitre_05 | |||
| aller_plus_loin_matplotlib.ipynb | 104.33 KB | ||
| decouvrir_bokeh.ipynb | 4.4 KB | ||
| decouvrir_matplotlib.ipynb | 77.33 KB | ||
| decouvrir_seaborn.ipynb | 233.01 KB | ||
| iris.pkl | 5.88 KB | ||
| Chapitre_06 | |||
| aller_plus_loin_beautifulsoup.ipynb | 10.12 KB | ||
| etude_de_cas_beautifulsoup.ipynb | 13.26 KB | ||
| introduction_beautifulsoup.ipynb | 10.47 KB | ||
| tag_navigablestring_beautifulsoup.ipynb | 8.27 KB | ||
| Chapitre_07 | |||
| classification_naïve_bayésienne.ipynb | 190.87 KB | ||
| kmoyennes.ipynb | 97.84 KB | ||
| pca.ipynb | 13.78 KB | ||
| regression_lineaire.ipynb | 21.12 KB | ||
| svm.ipynb | 7.48 KB | ||
| Chapitre_08 | |||
| decouvrir_tensorflow.ipynb | 6.64 KB | ||
| deep_learning_chargement_données.ipynb | 25.79 KB | ||
| deep_learning_déploiement.ipynb | 3.28 KB | ||
| index.html | 15.38 KB | ||
| index_dossier | |||
| OpenSans-Regular.ttf | 212.18 KB | ||
| fond_page_general.png | 2.11 KB | ||
| style_global.css | 6.2 KB |
LINKEDIN - Python pour la data science 2021 WEB 720p Fr x264
--------------------------------------------------------------------------------
Omar Souissi vous invite à le suivre dans cette formation consacrée au langage de programmation Python dans le cadre de la data science. Après un rappel de ce qu'est la data science et du rôle que Python y joue, vous aborderez un certain nombre d'opérations de base et vous procéderez à la collecte, à la manipulation et à la visualisation de différents types de données. Puis, vous vous initierez progressivement au machine learning et, enfin, au deep learning. Vous aborderez tout au long de cette formation des outils et des bibliothèques dédiés comme NumPy, Pandas, Matplotlib et TensorFlow.
?
Informations
Parution : 2021
Editeur : Linkedin
Formateur: Madjid Khichane
Nombre de vidéos: 53
Durée : 3h 02min
Qualité : WEB-DL 720p
Format : MP4
Langue: FR
Codec vidéo: AVC 500 kb/s variable
Codec audio: AAC 160 kb/s
Code source: OUI
NB Fichiers: 134
Poids Total : 950Mo
| torrent name | size | uploader | age | seed | leech |
|---|---|---|---|---|---|
| 143.8 MB | Nawel087 | 2 years | 1 | 1 | |
|
[LinkedIn Learning] Advance Your Skills in Python - Complete 7 Courses Posted by
SunRiseZone in Other
|
1.3 GB | SunRiseZone | 2 years | 10 | 1 |
| 336.5 MB | xHOBBiTx | 2 years | 9 | 1 | |
| 376.3 MB | freecoursewb | 2 years | 6 | 1 | |
|
Linkedin | Python For Data Engineering From Beginner To Advanced [FCO] Posted by
Prom3th3uS in Other
|
531.36 MB | Prom3th3uS | 2 years | 10 | 1 |
All Comments