Ce dépôt contient une formation complète sur le deep learning, couvrant des sujets tels que l'analyse de données, la reconnaissance d'images, le traitement du langage naturel et l'apprentissage automatique. Il utilise des outils tels que TensorFlow, Scikit-Learn, Pandas et NumPy pour fournir une compréhension approfondie de ces concepts.

Atelier de formation en Python axé sur l'analyse et la visualisation de données géospatiales. Destiné aux débutants, il couvre la manipulation de données tabulaires avec pandas, l'utilisation de geopandas pour les données vectorielles, et des techniques de visualisation avec matplotlib et plotly. Les participants apprennent à traiter des données raster et à appliquer ces compétences à des cas concrets.

Projet académique visant à explorer les capacités de l'intelligence artificielle pour traiter et analyser des données. Il permet de simuler des interactions et de générer des visualisations à partir de jeux de données variés. Destiné à des étudiants ou chercheurs en informatique, il facilite l'apprentissage des outils comme NumPy et Pandas pour le traitement de données.

Ce projet propose un cours d'introduction au traitement de données, conçu pour initier les participants aux bases de la science des données. Il inclut la création d'un environnement virtuel Python dédié, l'utilisation de notebooks Jupyter interactifs et l'exploration de bibliothèques essentielles comme NumPy, Pandas ou Matplotlib. Destiné aux débutants, il facilite l'apprentissage pratique sans nécessiter de connexion internet.

Cette école internationale propose une formation intensive en programmation avancée pour les domaines de l'astrophysique et de l'astroparticule. Elle couvre l'utilisation de bibliothèques scientifiques Python comme NumPy, Pandas et Matplotlib, ainsi que des outils pour le calcul parallèle et le traitement de données. Destinée aux chercheurs et étudiants, elle combine cours théoriques et sessions pratiques pour renforcer les compétences en développement logiciel scientifique.

Ce projet est une formation à l'initiation de la programmation Python pour des doctorants en sciences humaines et sociales. Il vise à présenter les principaux ingrédients du langage Python, sa syntaxe, les blocs qui constituent un script, et les bonnes pratiques de programmation. Le projet aborde également l'utilisation de bibliothèques pour le traitement de données, la manipulation de tableaux de données avec Pandas, et le traitement de données textuelles et résumé.

Ce projet a pour but d'initier aux concepts fondamentaux du langage Python, en se concentrant sur des cas d'utilisation concrets tels que l'analyse, le traitement et la visualisation de données. Il couvre des sujets tels que la manipulation de données avec Pandas, la gestion du temps avec pytz, la sérialisation de données avec PyYAML et l'interaction avec des API Web grâce à Requests.

Ce projet a pour but de fournir des exemples d'utilisation de différentes librairies Python dédiées au traitement de données et à l'analyse statistique. Il permet de comprendre et d'expérimenter avec des outils tels que scikit-learn, scikit-image, SciPy, Pandas, Matplotlib, Plotly.js, et d'autres encore.

Pypelines est un projet dédié à l'analyse et au traitement de données, offrant des fonctionnalités telles que la visualisation de réseaux et l'analyse de données numériques. Il s'appuie sur des librairies reconnues telles que NumPy, Pandas et Matplotlib pour fournir des outils performants et accessibles.

Le projet hermes_idaf est un module dédié à l'analyse, la prévision et au traitement de données météorologiques. Il s'appuie sur des bibliothèques telles que NumPy, Pandas, SciPy et Matplotlib pour fournir des fonctionnalités avancées de manipulation et de visualisation de données.