LE BIG DATA ET LES RESEAUX SOCIAUX
Published:
Cet article fait un tour d’horizon des outils et services qui permettent d’extraire des données et des mégadonnées des principaux réseaux sociaux (Twitter, Facebook) , des sites web et des blogs.
Posts by Tags
Big data
Cross-sectiona data
Learn the difference between longitudinal and time series data
Published:
Longitudinal and time series data are confusing when it comes to analysing historical data. There are no strict and formal definitions on which a wide range of data analysts agree. In the literature, we have noticed that there are very few articles on the subject. And the few articles that do mention it, skim over the definition.
Data Science
Questions et réponses: Questions courantes en Data Science
Published:
L’une des principales raisons pour lesquelles il y a tant d’intérêt pour la science des données est ses diverses applications. Les données ont toujours été un élément très important de l’histoire humaine et prendre des décisions intelligentes sur la base des expériences passées et des informations fournies peut jouer un rôle crucial pour les individus ou les organisations.
EDA
Analyse et prévision des ventes du Black Friday
Published:
L’ojectif de ce projet est de faire une EDA et une prévision d’achat pour les données de ventes du Black Friday avec le language Python.
LE BIG DATA ET LES RESEAUX SOCIAUX
Published:
Cet article fait un tour d’horizon des outils et services qui permettent d’extraire des données et des mégadonnées des principaux réseaux sociaux (Twitter, Facebook) , des sites web et des blogs.
Grid Search
Analyse et prévision des ventes du Black Friday
Published:
L’ojectif de ce projet est de faire une EDA et une prévision d’achat pour les données de ventes du Black Friday avec le language Python.
Longitudinal data
Learn the difference between longitudinal and time series data
Published:
Longitudinal and time series data are confusing when it comes to analysing historical data. There are no strict and formal definitions on which a wide range of data analysts agree. In the literature, we have noticed that there are very few articles on the subject. And the few articles that do mention it, skim over the definition.
NLP
Système de recommandation avec Python et R
Published:
L’article traite de la collecte de données par scraping pour un système de recommandation, en identifiant les données clés. Il examine ensuite le fonctionnement d’un algorithme de similarité, avant de décrire l’intégration et le déploiement des processus dans l’application movie-space.
Programmation R
Premiers pas avec la programmation R
Published:
R est un langage de programmation axé sur l’analyse statistique et graphique. Il est donc couramment utilisé dans l’inférence statistique, l’analyse des données et l’apprentissage automatique.
Random Forest
Analyse et prévision des ventes du Black Friday
Published:
L’ojectif de ce projet est de faire une EDA et une prévision d’achat pour les données de ventes du Black Friday avec le language Python.
Time Series
Learn the difference between longitudinal and time series data
Published:
Longitudinal and time series data are confusing when it comes to analysing historical data. There are no strict and formal definitions on which a wide range of data analysts agree. In the literature, we have noticed that there are very few articles on the subject. And the few articles that do mention it, skim over the definition.
Tkinter
Interface graphique en Python à l’aide de Tkinter
Published:
Vous cherchez à créer une interface utilisateur graphique (GUI) en Python à l’aide de Tkinter. Si tel est le cas, dans cet article, je vais vous montrer comment créer une interface graphique avec Tkinter.
LE BIG DATA ET LES RESEAUX SOCIAUX
Published:
Cet article fait un tour d’horizon des outils et services qui permettent d’extraire des données et des mégadonnées des principaux réseaux sociaux (Twitter, Facebook) , des sites web et des blogs.
Web scraping
LE BIG DATA ET LES RESEAUX SOCIAUX
Published:
Cet article fait un tour d’horizon des outils et services qui permettent d’extraire des données et des mégadonnées des principaux réseaux sociaux (Twitter, Facebook) , des sites web et des blogs.
algorithme
L’algorithme Gradient Boosting Machines : XGBOOST
Published:
XGBoost est un algorithme de Gradient Boosting. Il est codé en C++ et disponible dans tous les langages de programmation utiles en Machine Learning, tels que Python, R ou encore Julia.
chatbots
Chatbots : vos clients sont de plus en plus exigeant, ils veulent la bonne réponse, tout de suite, tout le temps.
Published:
Les clients deviennent de plus en plus exigeants, et leurs attentes peuvent souvent être déçues par les réalités opérationnelles des entreprises, comme des temps d’attente longs et des horaires d’ouverture restreints. Cette situation peut nuire à l’expérience de marque et provoquer des résiliations. L’article propose le chatbot comme une solution adaptée pour aligner ces nouvelles attentes avec les objectifs de rentabilité des entreprises.
classes
Classification et problème de classes déséquilibrées
Published:
Dans les problèmes de classification en machine learning, les classes déséquilibrées posent des défis, car la plupart des algorithmes se basent sur l’exactitude, ce qui peut conduire à des modèles biaisés. Cet article examine l’importance d’aborder ce problème dans divers cas d’utilisation, tels que le dépistage de maladies et le filtrage de spams. Il propose plusieurs méthodes pour classifier des jeux de données déséquilibrés, en mettant l’accent sur les approches algorithmique et d’échantillonnage.
classification
Classification et problème de classes déséquilibrées
Published:
Dans les problèmes de classification en machine learning, les classes déséquilibrées posent des défis, car la plupart des algorithmes se basent sur l’exactitude, ce qui peut conduire à des modèles biaisés. Cet article examine l’importance d’aborder ce problème dans divers cas d’utilisation, tels que le dépistage de maladies et le filtrage de spams. Il propose plusieurs méthodes pour classifier des jeux de données déséquilibrés, en mettant l’accent sur les approches algorithmique et d’échantillonnage.
clients
Chatbots : vos clients sont de plus en plus exigeant, ils veulent la bonne réponse, tout de suite, tout le temps.
Published:
Les clients deviennent de plus en plus exigeants, et leurs attentes peuvent souvent être déçues par les réalités opérationnelles des entreprises, comme des temps d’attente longs et des horaires d’ouverture restreints. Cette situation peut nuire à l’expérience de marque et provoquer des résiliations. L’article propose le chatbot comme une solution adaptée pour aligner ces nouvelles attentes avec les objectifs de rentabilité des entreprises.
des
Scraping et visualisation des données Facebook avec R
Published:
L’article présente l’utilisation du package Rfacebook pour gratter des données de Facebook, avec un exemple basé sur un groupe privé où des liens musicaux étaient partagés. Les visualisations sont réalisées avec ggplot2, et l’article souligne l’applicabilité de ces méthodes pour analyser des groupes Facebook ou maximiser les interactions sur des publications personnelles.
données
Les plateformes de données open sources pour les projets de Data Science
Published:
Lors du lancement d’un projet en Data Science, la recherche de données pertinentes est cruciale. L’article met en avant que les data scientists investissent souvent beaucoup de temps à naviguer sur Internet pour dénicher des ensembles de données qui répondent à leurs problématiques spécifiques.
gradient
L’algorithme Gradient Boosting Machines : XGBOOST
Published:
XGBoost est un algorithme de Gradient Boosting. Il est codé en C++ et disponible dans tous les langages de programmation utiles en Machine Learning, tels que Python, R ou encore Julia.
installation
Installation de Tensorflow sur winpython
Published:
Dans ce poste je vais vous montrer comment installer Tensorflow cpu sur windows.
interface graphique
Interface graphique en Python à l’aide de Tkinter
Published:
Vous cherchez à créer une interface utilisateur graphique (GUI) en Python à l’aide de Tkinter. Si tel est le cas, dans cet article, je vais vous montrer comment créer une interface graphique avec Tkinter.
langage
Quel langage de programmation pour votre entreprise Python Vs R ?
Published:
Dans la pluspart des domaines de l 39 informatique que ce soint celui du Big Data l 39 apprentissage automatique ou encore l 39 intelligence artificielle IA il existe diverses pr eacute f eacute rences ou recommandation quant aux outils
learning
MACHINE LEARNING WITH SCIKIT-LEARN <> Partie IV : analyse exploratoire et mise en forme des descripteurs
Published:
Dans cet article qui fait suite de la partie III, nous allons (re)voir quelques outils classiques d’analyse exploratoire disponibles dans le package Pandas, que l’on met en général en oeuvre pour avoir une meilleure connaissance du jeu de données à étudier avant de passer à l’étape de modélisation à proprement parler.
MACHINE LEARNING WITH SCIKIT-LEARN <> Partie III : k plus proches voisins (k-means) & validation croisée
Published:
Dans cette partie III nous allons apprendre à manipuler : la classe KNeighborsClassifier, les fonction cross_val_score et cross_val_predict
MACHINE LEARNING WITH SCIKIT-LEARN <> Partie II : analyse en composante principale - ACP
Published:
Dans cet article nous allons réaliser quelques opérations de base en Python et Scikit-Learn. L’objectif sera simplement de réaliser une ACP d’un jeu de données et de le représenter selon ses premières composantes principales.
MACHINE LEARNING WITH SCIKIT-LEARN <> Partie I : régressions linéaires et polynomiales
Published:
Dans cet article nous allons réaliser quelques opérations de base en Python et Scikit-Learn. L’objectif sera d’apprendre des modèles de régression linéaires et polynomiales, de les représenter et de calculer leurs performances en terme d’erreur quadratique moyenne.
machine
MACHINE LEARNING WITH SCIKIT-LEARN <> Partie IV : analyse exploratoire et mise en forme des descripteurs
Published:
Dans cet article qui fait suite de la partie III, nous allons (re)voir quelques outils classiques d’analyse exploratoire disponibles dans le package Pandas, que l’on met en général en oeuvre pour avoir une meilleure connaissance du jeu de données à étudier avant de passer à l’étape de modélisation à proprement parler.
MACHINE LEARNING WITH SCIKIT-LEARN <> Partie III : k plus proches voisins (k-means) & validation croisée
Published:
Dans cette partie III nous allons apprendre à manipuler : la classe KNeighborsClassifier, les fonction cross_val_score et cross_val_predict
MACHINE LEARNING WITH SCIKIT-LEARN <> Partie II : analyse en composante principale - ACP
Published:
Dans cet article nous allons réaliser quelques opérations de base en Python et Scikit-Learn. L’objectif sera simplement de réaliser une ACP d’un jeu de données et de le représenter selon ses premières composantes principales.
MACHINE LEARNING WITH SCIKIT-LEARN <> Partie I : régressions linéaires et polynomiales
Published:
Dans cet article nous allons réaliser quelques opérations de base en Python et Scikit-Learn. L’objectif sera d’apprendre des modèles de régression linéaires et polynomiales, de les représenter et de calculer leurs performances en terme d’erreur quadratique moyenne.
machines
Support Vector Machines (SVM)
Published:
Support Vector Machines (SVM) est un algorithme d’apprentissage machine qui peut être utilisé pour de nombreuses tâches différentes (figure 1). Dans cet article, je vais expliquer la base mathématique pour démontrer comment cet algorithme fonctionne à des fins de classification binaire.
open
Les plateformes de données open sources pour les projets de Data Science
Published:
Lors du lancement d’un projet en Data Science, la recherche de données pertinentes est cruciale. L’article met en avant que les data scientists investissent souvent beaucoup de temps à naviguer sur Internet pour dénicher des ensembles de données qui répondent à leurs problématiques spécifiques.
plateformes
Les plateformes de données open sources pour les projets de Data Science
Published:
Lors du lancement d’un projet en Data Science, la recherche de données pertinentes est cruciale. L’article met en avant que les data scientists investissent souvent beaucoup de temps à naviguer sur Internet pour dénicher des ensembles de données qui répondent à leurs problématiques spécifiques.
problème
Classification et problème de classes déséquilibrées
Published:
Dans les problèmes de classification en machine learning, les classes déséquilibrées posent des défis, car la plupart des algorithmes se basent sur l’exactitude, ce qui peut conduire à des modèles biaisés. Cet article examine l’importance d’aborder ce problème dans divers cas d’utilisation, tels que le dépistage de maladies et le filtrage de spams. Il propose plusieurs méthodes pour classifier des jeux de données déséquilibrés, en mettant l’accent sur les approches algorithmique et d’échantillonnage.
programmation
Quel langage de programmation pour votre entreprise Python Vs R ?
Published:
Dans la pluspart des domaines de l 39 informatique que ce soint celui du Big Data l 39 apprentissage automatique ou encore l 39 intelligence artificielle IA il existe diverses pr eacute f eacute rences ou recommandation quant aux outils
python
Système de recommandation avec Python et R
Published:
L’article traite de la collecte de données par scraping pour un système de recommandation, en identifiant les données clés. Il examine ensuite le fonctionnement d’un algorithme de similarité, avant de décrire l’intégration et le déploiement des processus dans l’application movie-space.
quel
Quel langage de programmation pour votre entreprise Python Vs R ?
Published:
Dans la pluspart des domaines de l 39 informatique que ce soint celui du Big Data l 39 apprentissage automatique ou encore l 39 intelligence artificielle IA il existe diverses pr eacute f eacute rences ou recommandation quant aux outils
scraping
Scraping et visualisation des données Facebook avec R
Published:
L’article présente l’utilisation du package Rfacebook pour gratter des données de Facebook, avec un exemple basé sur un groupe privé où des liens musicaux étaient partagés. Les visualisations sont réalisées avec ggplot2, et l’article souligne l’applicabilité de ces méthodes pour analyser des groupes Facebook ou maximiser les interactions sur des publications personnelles.
sont
Chatbots : vos clients sont de plus en plus exigeant, ils veulent la bonne réponse, tout de suite, tout le temps.
Published:
Les clients deviennent de plus en plus exigeants, et leurs attentes peuvent souvent être déçues par les réalités opérationnelles des entreprises, comme des temps d’attente longs et des horaires d’ouverture restreints. Cette situation peut nuire à l’expérience de marque et provoquer des résiliations. L’article propose le chatbot comme une solution adaptée pour aligner ces nouvelles attentes avec les objectifs de rentabilité des entreprises.
support
Support Vector Machines (SVM)
Published:
Support Vector Machines (SVM) est un algorithme d’apprentissage machine qui peut être utilisé pour de nombreuses tâches différentes (figure 1). Dans cet article, je vais expliquer la base mathématique pour démontrer comment cet algorithme fonctionne à des fins de classification binaire.
système recommandation
Système de recommandation avec Python et R
Published:
L’article traite de la collecte de données par scraping pour un système de recommandation, en identifiant les données clés. Il examine ensuite le fonctionnement d’un algorithme de similarité, avant de décrire l’intégration et le déploiement des processus dans l’application movie-space.
tensorflow
Installation de Tensorflow sur winpython
Published:
Dans ce poste je vais vous montrer comment installer Tensorflow cpu sur windows.
vector
Support Vector Machines (SVM)
Published:
Support Vector Machines (SVM) est un algorithme d’apprentissage machine qui peut être utilisé pour de nombreuses tâches différentes (figure 1). Dans cet article, je vais expliquer la base mathématique pour démontrer comment cet algorithme fonctionne à des fins de classification binaire.
visualisation
Scraping et visualisation des données Facebook avec R
Published:
L’article présente l’utilisation du package Rfacebook pour gratter des données de Facebook, avec un exemple basé sur un groupe privé où des liens musicaux étaient partagés. Les visualisations sont réalisées avec ggplot2, et l’article souligne l’applicabilité de ces méthodes pour analyser des groupes Facebook ou maximiser les interactions sur des publications personnelles.
winpython
Installation de Tensorflow sur winpython
Published:
Dans ce poste je vais vous montrer comment installer Tensorflow cpu sur windows.
with
MACHINE LEARNING WITH SCIKIT-LEARN <> Partie IV : analyse exploratoire et mise en forme des descripteurs
Published:
Dans cet article qui fait suite de la partie III, nous allons (re)voir quelques outils classiques d’analyse exploratoire disponibles dans le package Pandas, que l’on met en général en oeuvre pour avoir une meilleure connaissance du jeu de données à étudier avant de passer à l’étape de modélisation à proprement parler.
MACHINE LEARNING WITH SCIKIT-LEARN <> Partie III : k plus proches voisins (k-means) & validation croisée
Published:
Dans cette partie III nous allons apprendre à manipuler : la classe KNeighborsClassifier, les fonction cross_val_score et cross_val_predict
MACHINE LEARNING WITH SCIKIT-LEARN <> Partie II : analyse en composante principale - ACP
Published:
Dans cet article nous allons réaliser quelques opérations de base en Python et Scikit-Learn. L’objectif sera simplement de réaliser une ACP d’un jeu de données et de le représenter selon ses premières composantes principales.
MACHINE LEARNING WITH SCIKIT-LEARN <> Partie I : régressions linéaires et polynomiales
Published:
Dans cet article nous allons réaliser quelques opérations de base en Python et Scikit-Learn. L’objectif sera d’apprendre des modèles de régression linéaires et polynomiales, de les représenter et de calculer leurs performances en terme d’erreur quadratique moyenne.