Formation Python
- Qu'est-ce que le commerce sans tête et comment peut-il vous être bénéfique?
- Episode # 266 Refactorisation de votre code, comme par magie avec Sourcery
- Expressions d'affectation Python 3.8 – Python réel
- Episode # 130 10 livres que les développeurs de Python devraient lire
- Mise à jour d'un plug-in de publication dans l'éditeur de blocs • WPShout
Vous savez probablement que Python est l’un des langages les plus dynamiques en science des données.
C’est une discipline qui combine la recherche scientifique d’hypothèses et de tests, l’intuition mathématique des probabilités et des statistiques, les fondements de l’apprentissage automatique par ordinateur, une fluidité dans le traitement de données volumineuses et le langage Python lui-même. C’est un ensemble très large de compétences dont nous avons besoin pour être de bons spécialistes des données, mais chacune est profonde et souvent difficile à comprendre.
C'est pourquoi je suis ravi de parler à Joel Grus, un spécialiste des données de Seattle. Il a écrit un livre pour nous aider tous à comprendre ce qui se passe réellement lorsque nous utilisons des bibliothèques telles que scikit-learn ou numpy. C'est ce qu'on appelle Data Science from Scratch et c'est le sujet de l'épisode de cette semaine.
Liens de l'émission:
[ad_2]