Résumé

Effectué

Dans ce module, vous avez appris à :

• Créer un notebook dans Azure Notebooks
• Importer des données dans un notebook avec curl
• Utiliser Pandas pour nettoyer et préparer des données
• Utiliser scikit-learn pour créer un modèle Machine Learning
• Utiliser Matplotlib pour visualiser les résultats

Pandas, scikit-learn et Matplotlib font partie des bibliothèques Python les plus répandues sur la planète. Avec celles-ci, vous pouvez préparer des données pour le machine learning, créer des modèles Machine Learning sophistiqués à partir des données et voir la sortie sous forme de graphique. Les notebooks Jupyter fournissent un environnement prêt à l’emploi pour l’utilisation de ces bibliothèques, et Azure Notebooks vous permet d’accéder facilement aux notebooks Jupyter sans devoir installer aucun logiciel ou configurer un environnement Jupyter sur un serveur.

Vérifiez vos connaissances

1.

Quelle méthode est utilisée dans Pandas pour importer un fichier CSV ? Supposons que pandas a été chargé en tant que import pandas as pd.

pd.load_file('file.csv')

pd.read_file('file.csv')

pd.read_csv('file.csv')

2.

Quel est l’objectif du fractionnement des données avant d’entraîner un modèle Machine Learning ?

Ne pas donner trop de données au modèle.

Une partie peut être utilisée pour l’entraînement et l’autre pour évaluer les performances du modèle.

Le modèle n’a pas besoin de beaucoup de données.

3.

En supposant que vous avez importé Matplotlib en tant que « plt », quelle méthode allez-vous utiliser sur Matplotlib pour tracer un graphique à barres ?

plt.bar(étiquettes, valeurs)

plt.chart(étiquettes, valeurs)

plt.barchart(étiquettes, valeurs)

Vous devez répondre à toutes les questions avant de vérifier votre travail.