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

Pour approfondir le sujet

L’OTESIA lance ses 4 premiers projets IA dans la santé, la prévention du cyber-harcèlement, l’éducation

En novembre dernier était lancé l’Observatoire des impacts Technologiques Economiques et Sociétaux de l’Intelligence Artificielle (OTESIA) dans les Alpes-Maritimes. Une première en France et...

Replay Dataquitaine : Processus de Décision Markovien et Apprentissage par Renforcement

Dataquitaine propose en replay son Atelier-Webinaire Data Science, organisé par Digital Aquitaine, le 30 juin 2020. Ce séminaire était dédié à la thématique "Processus...

Vidéo : IMT Mines Albi réalise une expérience d’immersion avec la plateforme de réalité virtuelle IOEMGA VR

À l'occasion du 1er anniversaire du laboratoire commun de recherche EGCERSIS, IMT Mines Albi a réalisé une expérience unique d'immersion. Cet exercice de gestion...

Cybersécurité : la Région Grand Est et quatre entreprises québécoises planchent sur un consortium

La Région Grand Est cherche à mettre en place une politique innovante pour renforcer l'attractivité de son territoire. Elle a ainsi signé un accord...

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

blank
Guillaume Saint-Cirgue

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

blank

Partager l'article

L’OTESIA lance ses 4 premiers projets IA dans la santé, la prévention du cyber-harcèlement, l’éducation

En novembre dernier était lancé l’Observatoire des impacts Technologiques Economiques et Sociétaux de l’Intelligence Artificielle (OTESIA) dans les Alpes-Maritimes. Une première en France et...

Replay Dataquitaine : Processus de Décision Markovien et Apprentissage par Renforcement

Dataquitaine propose en replay son Atelier-Webinaire Data Science, organisé par Digital Aquitaine, le 30 juin 2020. Ce séminaire était dédié à la thématique "Processus...

Vidéo : IMT Mines Albi réalise une expérience d’immersion avec la plateforme de réalité virtuelle IOEMGA VR

À l'occasion du 1er anniversaire du laboratoire commun de recherche EGCERSIS, IMT Mines Albi a réalisé une expérience unique d'immersion. Cet exercice de gestion...

Cybersécurité : la Région Grand Est et quatre entreprises québécoises planchent sur un consortium

La Région Grand Est cherche à mettre en place une politique innovante pour renforcer l'attractivité de son territoire. Elle a ainsi signé un accord...