Séance de cours

Science des données pour les ingénieurs: Partie 2

Séances de cours associées (31)

Couvre les bases de Python, Pandas, la manipulation de données, la visualisation et l'apprentissage automatique.

Explore la régression linéaire en dimensions élevées et la prévision pratique des prix des maisons à partir d'un ensemble de données.

Techniques de gestion des données : HBase et Hive Integration

Couvre les techniques de querelles de données utilisant HBase et Hive, en se concentrant sur l'intégration et les applications pratiques.

Classification de l'arbre de décision

Couvre la classification de l'arbre de décision à l'aide de KNIME Analytics Platform pour le prétraitement des données et la création de modèles.

Présentation de Jupyter Notebook

Présente la configuration de l'environnement, les bases Git et les fonctionnalités Jupyter Notebook avec des exemples pratiques.

Techniques de génération rythmique

Couvre les techniques de génération de rythme, y compris les modèles Markov et la génération de rythme hiérarchique, en mettant l'accent sur l'étude de Nancarrow 14.

Python : dictionnaires et tuples

Explore les dictionnaires, les tuples, les objets mutables et les arguments de longueur variable en Python.

Analyse du métabolisme urbain

Explore l'évaluation environnementale systémique, l'analyse nationale des flux de matériaux et le développement d'un tableau de bord du métabolisme urbain pour Zurich à l'aide de données ouvertes.

Introduction à la programmation R pour la génétique et la génomique

Introduit un cours sur la génétique et la génomique, en se concentrant sur la programmation R avec des exercices interactifs.

Visualisation de données : Graphiques Excel

Couvre les bases de la création et de la personnalisation de graphiques dans Excel.

Data Science avec Python: Modules et Numpy

Introduit des modules Python et NumPy pour des opérations de réseau efficaces et l'algèbre linéaire dans la science des données.