Intelligence artificielle Formation Python – Machine Learning 18/30 : Pandas – Les séries temporelles...

Pour approfondir le sujet

Sur le même thème :

Intégration de l’IA dans le Retail et les CPG : un potentiel sous-estimé selon une étude de RELEX Solutions

Une étude récente menée par RELEX Solutions, un éditeur finlandais de solutions unifiées de planification de la chaîne d'approvisionnement et de la vente au...

Données de santé artificielles : une nouvelle ère pour les essais cliniques

Les données artificielles en santé ouvrent de nouvelles perspectives en permettant d'accroître la puissance des essais cliniques, d'effectuer davantage de tests dans un...

Tinashe Mutsvangwa prend la tête du nouveau département data science de l’IMT Atlantique

Grande école d’ingénieurs généralistes relevant du ministère de l'économie, des finances et de la souveraineté industrielle et numérique, IMT Atlantique annonce confier la direction...

L’OCDE annonce une mise à jour de ses Principes sur l’IA

La Réunion du Conseil de l'OCDE au niveau des Ministres (RCM) de 2024 s'est déroulée les 2 et 3 mai derniers au siège de...

Formation Python – Machine Learning 18/30 : Pandas – Les séries temporelles – Bitcoin

Ce tutoriel python français vous présente Pandas : la libraire python la plus importante pour l’analyse de données et le data science.

Pandas ressemble beaucoup à Excel dans python, mais surpasse de loin les capacités d’Excel en matière d’analyse de data analysis. Ce tutoriel Pandas vous présente les fonctions d’analyses pour les Timeseries. Les plus utiles sont resample, rolling, et ewm.

Cette vidéo vous permet d’apprendre à utiliser ces fonctionalités en vous appuyant sur un cas pratique de data science : l’analyse de séries temporelle (timeseries) BITCOIN et ETHEREUM.

Timecode la vidéo:

PARTIE 1: BITCOIN

  • 00:45 : python DateTimeIndex
  • 05:25 : pandas resample() et agg()
  • 08:35 : pandas rolling(): Moving average
  • 10:49 : pandas ewm() : Exponential weigthed function

PARTIE 2: BITCOIN Vs ETHEREUM

  • 12:40 : pandas merge() : inner, outer, etc…
  • 16:34 : pandas corr() EXERCICE
  • 17:24 : Trading Strategy !

RÉPONSE EXERCICE DU TITANIC ET BONUS !

  • 19:48 : map() + apply() + replace() + cat.codes

 

Sommaire de la formation:

[su_menu name=”formation_python_machinelearnia”]

Contributeur expert

Guillaume Saint-Cirgue

Guillaume Saint-Cirgue est Lead Data Scientist à GKNAerospace (Royaume-Uni). Ingénieur généra

Partager l'article

Intégration de l’IA dans le Retail et les CPG : un potentiel sous-estimé selon une étude de RELEX Solutions

Une étude récente menée par RELEX Solutions, un éditeur finlandais de solutions unifiées de planification de la chaîne d'approvisionnement et de la vente au...

Données de santé artificielles : une nouvelle ère pour les essais cliniques

Les données artificielles en santé ouvrent de nouvelles perspectives en permettant d'accroître la puissance des essais cliniques, d'effectuer davantage de tests dans un...

Tinashe Mutsvangwa prend la tête du nouveau département data science de l’IMT Atlantique

Grande école d’ingénieurs généralistes relevant du ministère de l'économie, des finances et de la souveraineté industrielle et numérique, IMT Atlantique annonce confier la direction...

L’OCDE annonce une mise à jour de ses Principes sur l’IA

La Réunion du Conseil de l'OCDE au niveau des Ministres (RCM) de 2024 s'est déroulée les 2 et 3 mai derniers au siège de...