Faites vos premiers pas avec un LLM
Vous avez entendu parlé de LLM, vous aimeriez construire des applications autour de ces nouveaux usages. Mais comment ? Grâce à Hugging Face, LangChain et Python rien de plus simple … suivez le guide.
Vous avez entendu parlé de LLM, vous aimeriez construire des applications autour de ces nouveaux usages. Mais comment ? Grâce à Hugging Face, LangChain et Python rien de plus simple … suivez le guide.
Il existe bien sur beaucoup de librairies (comme Pandas Profiling ou plutôt ydata-profiling dorénavant) et surtout beaucoup d’outils qui permettent plus ou moins simplement d’effectuer une analyse structurelle de vos données (on se limitera ici d’un profiling de table).
Mais voilà, parfois une approche minimaliste suffit amplement. Rien ne nécessite la mise en place d’une artillerie lourde et couteuse en ressource ! L’idée de cet article est de vous montrer qu’avec la simple (mais très riche) librairie Pandas vous avez déjà de quoi vous satisfaire amplement.
Dans cet article je vous propose de découvrir l’outil de XAI (eXplainable AI) très utilisé qu’est LIME. Avec Google colab, et au travers d’un cas pratique guidé pas à pas vous allez voir comment il est simple et pratique d’utiliser cette librairie avec Python.
Dans cet article nous allons découvrir tout en pratique la librairie de visualisation de données Plotly.
Nous allons voir dans cet article comment supprimer ces cadres détectés en double avec YOLO avec la technique dite de NMS.
Pour une analyse que je voulais faire et après plusieurs recherches, je me suis rendu compte qu’il n’était pas si simple d’utiliser les données historiques de la météo. Bien sur je suis allé sur l’Open data de météo France, mais rien de vraiment exploitable ou alors semble-t-il sans une souscription payante. J’ai donc décidé de les récupérer par le biais d’un programme Python et de la technique de scraping.
Dans cet article vous apprendrez comment récupérer les données d’un fichier au format pdf en toute simplicité avec Python.
Si cette méthode de « prédiction » basée sur les probabilités et les états/transitions a eu ses heures de gloire, elle semble aujourd'hui moins à la mode. Dans cet article nous reviendrons sur les principes fondamentaux des chaines de Markov et leur application en Python.
L'objectif de cet article est de montrer au travers d'un cas concret et français la méthode pour effectuer une analyse de sentiments avec Python.
Dans cet article je vous montre comment utiliser le nouvel arrivé de l'analyse de données avec Python : datapre.eda