| ... | ... | @@ -51,6 +51,14 @@ C'est un sujet à la mode, vous trouverez donc beaucoup de ressources traitant d |
|
|
|
|
|
|
|
voir par exemple le MOOC Machine Learning ou [site scipy](http://scipy-lectures.org/)
|
|
|
|
|
|
|
|
Ce Mooc, indépendamment de son contenu principal MachineLearning, offre plusieurs ressources intéressantes dans un contexte plus large:
|
|
|
|
- des liens vers des tutoriels de débutant à intermédiaire (on notera le mélange de docs officielle et blogs, assez représentatif des ressources utiles):
|
|
|
|
- "scipy lectures" [initiation à Python](https://scipy-lectures.org/intro/language/python_language.html): types, structures de contrôles (boucles et tests), fonctions, scripts et modules, I/O, bibliothèque standard, les exceptions
|
|
|
|
- :snake: blog [Scientific Computing in Python: Introduction to NumPy and Matplotlib](https://sebastianraschka.com/blog/2020/numpy-intro.html), :chart_with_upwards_trend: la [partie matploblib étant ici](https://sebastianraschka.com/blog/2020/numpy-intro.html#410-matplotlib)
|
|
|
|
- :pandas: doc de pandas [10 minutes to pandas](https://pandas.pydata.org/docs/user_guide/10min.html)
|
|
|
|
- des exercices d'analyse de données utilisant le module de visualisation **seaborn** qui est un wrapper de matplotilib :chart_with_upwards_trend: :ocean: : il permet de construire rapidement des graphiques de bonne qualité selon la "Grammar of Graphics" (cf ggplots de R). La syntaxe est bien expliquée, et les exercices permettent de s'entraîner.
|
|
|
|
|
|
|
|
|
|
|
|
Une référence, bien qu'un peu datée : le [livre de J. VanderPlas aux éditions O'Reilly](https://jakevdp.github.io/PythonDataScienceHandbook/), disponible sous licence CC-BY-NC-ND license.
|
|
|
|
|
|
|
|
### Tutos spécifiques MatplotLib
|
| ... | ... | |
