Aller au contenu
Apprendre
.
Préparation de données
1 · Structures, import, exploration
2 · Nettoyer les données
3 · Transformer, agréger, exporter
Rechercher
⌘ K
M1 · toutes les matières
15 matières : Préparation de données, API & sécurité, CI/CD, Docker, Merise, Dataviz, KNIME, ML appliqué : projet LoL, SQL & UML, SQL avancé, Machine Learning, Git, IA frugale & responsable, Qualité des données, Mathématiques
Année
↵ Ouvrir
M2 · toutes les matières
4 matières : Deep Learning, AI Act, Comex & Fundraising, Gouvernance & DataMesh
Année
Deep Learning
M2 · 4 modules · Réseaux de neurones, CNN, texte, modèles génératifs.
Matière
Préparation de données
M1 · 3 modules · Nettoyer, transformer et fusionner des données avec Python.
Matière
API & sécurité
M1 · 2 modules · Consommer, concevoir et sécuriser des API.
Matière
CI/CD
M1 · 1 module · Intégration et livraison continues.
Matière
Docker
M1 · 3 modules · Conteneurs, images, volumes, réseaux, Compose.
Matière
Merise
M1 · 2 modules · Modéliser une base : MCD, MLD, MPD.
Matière
Dataviz
M1 · 2 modules · Visualiser pour comprendre et décider.
Matière
KNIME
M1 · 1 module · Explorer et nettoyer des données en workflow.
Matière
ML appliqué : projet LoL
M1 · 2 modules · Du besoin métier au POC de vision par ordinateur.
Matière
SQL & UML
M1 · 3 modules · Modèles UML et requêtes SQL.
Matière
SQL avancé
M1 · 3 modules · Jointures, fenêtres, CTE, optimisation.
Matière
Machine Learning
M1 · 3 modules · Régression, classification, segmentation, projet.
Matière
↑↓ naviguer
↵ ouvre le résultat en surbrillance
esc fermer
Cours
Tests
S'exercer
Progrès
← Tous les exercices
Colonnes homonymes : suffixes
Partie 1 · ★★★
Exercice suivant → Juxtaposer deux tables (axis=1)