MASTER 2 SISE DATA SCIENCE
Vidéos de mes enseignements (informatique, programmation python, data science, machine learning) dans la filière info-stat de l'ICOM - Université Lumière Lyon 2. Elles ont été mises en ligne dans un premier temps pour mieux accompagner les étudiants durant la période de confinement, elles servent de support pédagogique pour mes travaux dirigés aujourd'hui. Cette chaîne recense également les tutoriels vidéos réalisés par les étudiants du Master SISE dans le cadre des ateliers qu'ils organisent.
NLP – Sentence Transformers Multilingue – Hugging Face (Python)
NLP – Sentence Transformers (SBERT) – Hugging Face (Python)
Orange Data Mining – NLP – Sentence Transformers (SBERT)
Orange Data Mining - NLP - Catégorisation de documents
Weka Data Mining – Le package « Python Weka Wrapper 3 »
Weka Data Mining – Analyse prédictive
Le debugger de VS Code – Programmation Python
Le debugger de RStudio – Programmation R
Le profiler de RStudio – Programmation R
Positron – L’EDI Data Science pour R « et » Python
Orange Data Mining – Analyse des correspondances multiples (ACM)
Orange Data Mining – Analyse en composantes principales (ACP)
Orange Data Mining – Courbe ROC et Courbe de Gain
Orange Data Mining – Grille de score
Orange Data Mining – Clustering – CAH des variables
Orange Data Mining – Clustering – CAH des individus
Orange Data Mining – Cartes de Kohonen (SOM)
Orange Data Mining – Clustering avec les K-Means
Orange Data Mining - Comparaison de modèles prédictifs
Orange Data Mining - Arbres de décision
Règles d’association avec « arules » pour R
Utiliser R avec Google Colab
Sequential Pattern Mining avec PySpark (Spark / Python)
Règles d’association avec PySpark (Spark / Python)
Stacking de classifieurs avec « mlxtend – Python »
Règles d’association avec « mlxtend – Python »
Machine learning avec PySpark – Spark / MLlib
Manipulation des DataFrames PySpark (Spark / Python)
Apply parallélisé pour DataFrame Pandas Python
Embarrassingly parallel problem sous R