Ce projet propose une formation spécialisée en calcul haute performance (HPC) avec Python, destinée aux développeurs et chercheurs. Il couvre l'optimisation de code, l'analyse de performance, l'utilisation de bibliothèques scientifiques (NumPy, SciPy, Pandas) et les outils de parallélisation. Les participants apprennent à exploiter les fonctionnalités de Python pour des calculs intensifs et à déployer des solutions sur des infrastructures HPC.

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 propose une formation complète à Python destinée aux chercheurs et étudiants en sciences humaines et sociales. Il couvre les bases de la programmation, l'algorithmie, et l'utilisation de bibliothèques scientifiques comme Pandas, NumPy et Matplotlib pour analyser des données et visualiser des résultats.

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.

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 fournit un ensemble de notebooks Jupyter pour l'analyse et la visualisation de données, en utilisant des bibliothèques telles que Plotly, Matplotlib, NumPy, SciPy, Pandas et Seaborn. Il offre également une interface utilisateur pour interagir avec les notebooks via un navigateur web.

Ce projet est une formation en ligne pour l'analyse d'images biologiques en utilisant Python et des bibliothèques scientifiques telles que Numpy, scikit-image, Matplotlib et Pandas. Il est destiné aux débutants sans connaissances préalables en programmation.