<== page de blog - 3/4 ==> Blog plan (12)
page de blog - 3/4#
Eviter les mots de passe dans les notebooks#
2016-09-24
Il arrive fréquemment qu’on ait besoin d’une ressource protégée par un mot de passe, service web, API, login et le plus simple est toujours d’écire ce mot de passe en clair dans le notebook. On se dit qu’il faudra penser à l’enlever avant de partager le notebook et on oublie toujours de l’enlever. C’est mon cas en tout cas. J’ai dû plusieurs fois changer de mot de passe car le précédent est parti sur GitHub par inadvertance (programmée).
…
Références, séance du 14 juin 2016#
2016-06-14
Trucs et astuces sur Internet
Chercher sur un moteur de recherche
<module> cheatsheet
pour retrouver les usages les plus fréquents avec un module
Autres trucs et astuces
Contre les suppressions involontairs : Git, Tortoise Git
Installation de xgboost pour Windows :
pip install pymyinstall
etpymy_install xgboost
, see also Build xgboost 0.4a30 for Python 3.4 and 3.5
Installation sous Windows, essayer dans l’ordre :
…
Challenge Kaggle Assurance#
2016-06-10
Can you accelerate BNP Paribas Cardif’s claims management process?
Le challenge consisté à accélérer le traitement des demandes de remboursement. Les données sont conséquentes environ 50 Mo.
Jupyter et R#
2016-04-07
Jupyter fonctionne aussi avec R (voir Supports de cours en R). L’installation repose sur les éléments suivants :
…
Balade d’avril#
2016-04-05
Python, Distributions, Module OS
différences entre Python 2.7, Python 3.x, Dois-je apprendre Python 2 ou Python 3 ?
distribution : WinPython, Anaconda, ENSAE setup
le cas des modules avec du C++
Linux, Windows ?
Les modules importants pour faire du machine learning
DataFrame
Pause récréative
Algorithme récréatif
pandas et SAS#
2016-03-12
La fonction read_sas est apparue dans le module pandas version 0.17, améliorée dans la version 0.18 : pd.read_sas() changes.
Exam, doubts and poetry#
2016-03-03
This is one question we decided to remove from the final exam but I still do like it because it challenges people. How to make a connection between known algorithms and the following code. To your opinion, the following code is closed to:
…
Grandes tables, Guillemets#
2015-06-20
Très populaire, le module pandas permet de lire les formats de données les plus classiques ou des formats de fichiers plats inattendus. C’est ce que montre le notebook Tables avec guillemets. Il montre également comment parcourir par petits bouts une table trop grande pour tenir en mémoire.
Différence entre matrix et array (numpy)#
2015-06-14
Le module numpy propose deux types pour représenter une matrice : array et matrix. Le type matrix hérite du premier mais se comporte différemment dans certaines situations, pour le produit matriciel par exemple. Il est parfois utile de vérifier l’objet qu’on manipule avant de se perdre en conjecture quant à la source de l’erreur. La page Matrix objects est plus explicite à ce sujet.
Différence entre numpy et pandas#
2015-06-06
Pourquoi deux modules alors qu’ils semblent tous deux manipuler des matrices ? Dans le cas de pandas, ce ne sont pas tout-à-fait des matrices mais des tables de données : la même table peut contenir différentes types de données, des nombres, des chaînes de caractères, des booléens, des dates… Les données se manipulent comme des bases de données et les Dataframe de pandas sont optimisés pour ça. Chaque colonne porte un nom.
…
<== page de blog - 3/4 ==> 2022-05 (1) 2023-01 (2) 2023-02 (1) 2023-03 (2) 2023-04 (1)