Ce projet est un dépôt de code source qui fournit des scripts Python pour l'analyse de données économiques, la préparation de données pour l'apprentissage automatique, la réduction de dimension de données et la visualisation de données multidimensionnelles. Il utilise des bibliothèques telles que NumPy, Pandas, Requests, scikit-learn, TensorFlow et Keras pour fournir des fonctionnalités telles que le téléchargement de données, la préparation de données, l'estimation de modèles et la visualisation de données.

Ce projet est une publication sur l'utilisation des réseaux de neurones dans le domaine de la statistique publique. Il contient des exemples d'analyse de données, de classification d'images, de prédiction de données manquantes et de réduction de dimension de données.

Ce projet a pour but de développer une méthode de réduction de dimension pour analyser et visualiser des données génomiques à haute dimension, en corrigeant les effets dus à l'autocorrélation temporelle.

Ce projet est un companion aux librairies pydiodon et cppdiodon qui fournissent des fonctions pour la réduction linéaire de dimension. Il contient des jeux de données pour tester ces librairies et des notebooks Jupyter comme tutoriels pour certaines méthodes (PCA, CoA, MDS).

Ce projet analyse les données de l'INSEE sur les mobilités professionnelles des Français, en mettant l'accent sur les aspects géographiques. Il utilise des techniques de statistiques exploratoires, de visualisation de cartes, de réduction de dimensionnalité et de classification pour présenter une analyse détaillée des déplacements à travers le pays.

Ce projet est une série de cours sur l'apprentissage automatique, basée sur le livre Deep Learning. Les cours couvrent des sujets tels que la régression linéaire, la régularisation, la réduction de dimensionnalité, le kernel trick et les réseaux de neurones. Les étudiants travaillent sur des jeux de données réels et implémentent des algorithmes d'apprentissage automatique à l'aide de Tensorflow et Scikit-learn.

Ce projet fournit des outils pour utiliser des méthodes de bases réduites avec Matlab/Octave, permettant l'analyse de données techniques, la modélisation de systèmes physiques, la réduction de dimensionnalité et la simulation de scénarios.

Scikit-learn est une bibliothèque Python open-source dédiée à l'apprentissage automatique et à l'analyse de données. Elle fournit une large gamme d'algorithmes pour la classification, le régression, le clustering, la réduction de dimensionnalité et la sélection de modèles.