Les essentiels et rien que les essentiels pour se lancer en Data Science avec Python.

Petite présentation intuitive des p-values et de leur utilisation dans nos modèles statistiques.

Création d'un modèle de détection d'images permettant de classifier des fruits et leur état de maturité.

Quelques trucs pour coder facilement ses propres fonctions en utilisant la syntaxe du tidyverse.

Présentation de la méthode de standardisation directe sur les taux de survie des passagers du Titanic.

Quelques conseils pour réussir sa transition de SAS vers R

Tour d'horizon des manières de filtrer des observations et sélectionner des colonnes avec pandas

Réalisation et mise en forme d'un graphique en colonnes avec ggplot2.

Petite présentation des OR et des RR, et ce qu'ils veulent dire.

Présentation des enjeux théoriques et pratiques de l'arbitrage biais variance dans la construction d'un modèle de prédiction.