01 - Introduction
02 - 1. Découvrir la formation
03 - 2. Traiter les données avec MATLAB
-
01 - Importer de gros jeux de données (6:48)
-
02 - Importer et exporter un fichier CSV (4:07)
-
03 - Importer des fichiers Excel (3:08)
-
04 - Nettoyer les fichiers (8:19)
-
05 - Supprimer des colonnes (2:04)
-
06 - Extraire des sous-ensembles et filtrer (4:42)
-
07 - Supprimer des lignes et nettoyer les doublons (2:05)
-
08 - Créer des colonnes calculées (1:37)
-
09 - Changer le nom d-une colonne (2:19)
-
10 - Trier les données (3:12)
-
11 - Fusionner des jeux de données (3:33)
-
12 - Partitionner des données (6:34)
-
13 - Faire une transformation de Box-Cox (4:01)
-
14 - Combler les valeurs manquantes (4:38)
04 - 3. Effectuer du data mining et du machine learning
-
02 - Procéder à des régressions linéaires et logistiques (9:12)
-
01 - Délimiter le périmètre d-étude (3:27)
-
03 - Tirer parti de la classification naïve bayésienne (6:28)
-
04 - Utiliser des arbres de classification (8:31)
-
05 - Découvrir la méthode k-NN (3:43)
-
06 - S-initier à la méthode k-means (7:44)
-
07 - Appréhender la méthode k-medoids (1:51)
-
08 - Comprendre la classification ascendante hiérarchique (11:11)
-
09 - Utiliser le positionnement multidimensionnel (5:59)
-
10 - Analyser en composantes principales (6:40)
-
11 - Effectuer une analyse discriminante linéaire (6:36)
-
12 - Définir un réseau de neurones acyclique simple (8:39)
-
13 - Entraîner un jeu de neurones acyclique (6:03)
-
14 - Analyser le réseau de neurones et les nouvelles données (9:36)
05 - 4. Créer des graphiques
06 - 5. S'initier à Parallel Toolbox
fichiers_d_exercice_matlab_data_scientists_1
