:orphan:

|rss_image| :ref:`<== <ap-main-12>`  **page de blog - 14/16** :ref:`==> <ap-main-14>` :ref:`Blog <ap-main-0>` :ref:`article (8) <ap-cat-article-0>` :ref:`articles (3) <ap-cat-articles-0>` :ref:`cours (6) <ap-cat-cours-0>` :ref:`module (7) <ap-cat-module-0>` :ref:`paper (3) <ap-cat-paper-0>`

.. |rss_image| image:: feed-icon-16x16.png
    :target: ../_downloads/rss.xml
    :alt: RSS

----


.. _ap-main-13:

page de blog - 14/16
++++++++++++++++++++

.. blogpostagg::
    :title: pandas et SAS
    :date: 2016-03-12
    :keywords: pandas,SAS
    :categories: pandas
    :rawfile: 2016/2016-03-12-read_sas.rst

    La fonction `read_sas <http://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_sas.html>`_
    est apparue dans le module `pandas <http://pandas.pydata.org/pandas-docs/stable/>`_ version 0.17,
    améliorée dans la version 0.18 :
    `pd.read_sas() changes <http://pandas-docs.github.io/pandas-docs-travis/whatsnew.html#pd-read-sas-changes>`_.




.. blogpostagg::
    :title: Tutoriel sur pygame
    :date: 2016-03-03
    :keywords: pygame,cours
    :categories: tutoriel
    :rawfile: 2016/2016-03-03_python_jeux.rst

    Un élève m'a fait découvrir ce site :
    `Program Arcade Games With Python And Pygame <http://programarcadegames.com/>`_.
    On peut y trouver beaucoup d'exemples pour réaliser des animations,
    des jeux avec `pygame <http://pygame.org/>`_.




.. blogpostagg::
    :title: Résoudre un Rubik's cube: GAP
    :date: 2016-03-03
    :keywords: Rubik,cube,GAP,algèbre,groupe
    :categories: mathématiques
    :rawfile: 2016/2016-03-03_gap_rubik.rst

    `GAP <https://github.com/gap-system/gap>`_ : is a system for computational discrete algebra,
    with particular emphasis on Computational Group Theory.
    GAP provides a programming language, a library of thousands of functions implementing algebraic
    algorithms written in the GAP language as well as large data libraries of algebraic objects.
    

    ...




.. blogpostagg::
    :title: File d'attente sur Azure HD Insight
    :date: 2016-01-27
    :keywords: Hadoop,Azure,job,queue,HD Insight
    :categories: Azure
    :rawfile: 2016/2016-01-27_file_dattente_hadoop_azure.rst

    La plupart du temps, un job reste coincé dans la file d'attente
    car celle-ci est pleine. Voici un code pour s'en assurer
    sur un cluster Azure HDInsight. A exécuter depuis un notebook.
    

    ...




.. blogpostagg::
    :title: Numerical Recipes
    :date: 2016-01-26
    :keywords: Numerical Recipes,BLAS,LAPACK,Eigen,MKL,Intel MKL,Numpy
    :categories: calcul matriciel
    :rawfile: 2016/2016-01-26_numerical_recipes.rst

    `numpy <http://www.numpy.org/>`_,
    `scipy <http://www.scipy.org/>`_
    couvrent la plupart des besoins lorsqu'il s'agit de calcul
    matriciel. On ne se pose même plus la question de savoir comment
    c'est implémenté. Cette question revient lorsqu'on a besoin
    d'un algorithme en particulier et que celui-ci n'est pas
    disponible dans l'environment dans lequel on programme.
    

    ...




.. blogpostagg::
    :title: Remote Desktop sur une machine Windows depuis un Mac
    :date: 2016-01-25
    :keywords: remote desktop,Azure,OSX,Windows
    :categories: Azure
    :rawfile: 2016/2016-01-25_azure_from_osx.rst

    Il est possible d'ouvrir une session
    `Remote Desktop <https://en.wikipedia.org/wiki/Remote_Desktop_Protocol>`_
    sur une machine virtuelle Windows sur Azure
    depuis un ordinateur Mac.
    Voici l'astuce :
    `Can't rdp to Azure on Mac OS X <http://stackoverflow.com/questions/13248955/cant-rdp-to-azure-on-mac-os-x>`_.




.. blogpostagg::
    :title: Numpy, Hadoop, PIG, Java
    :date: 2016-01-25
    :keywords: Map Reduce,Java,PIG,Hadoop,JyNI,Jep
    :categories: Hadoop
    :rawfile: 2016/2016-01-25_numpy_hadoop.rst

    Le fait qu'on puisse utiliser des scripts
    `Python <https://www.python.org/>`_
    dans un script `PIG <https://pig.apache.org/>`_ est un peu trompeur.
    De là à penser que la librairie `numpy <http://www.numpy.org/>`_ serait utilisable...
    Tout d'abord, les versions officielles de numpy et Python sont
    implémentaires en `C <https://fr.wikipedia.org/wiki/C_(langage)>`_
    voire un peu de `Fortran <https://fr.wikipedia.org/wiki/Fortran>`_
    et Hadoop / PIG est implémenté en
    `java <https://fr.wikipedia.org/wiki/Java_%28langage%29>`_
    qui a l'avantage de bénéficier d'un
    `garbage collector <https://en.wikipedia.org/wiki/Garbage_collection_(computer_science)>`_
    contrairement au langage C.
    Ceci explique que la version de Python utilisée par PIG
    pour définir des UDF (User Defined Function)
    est `Jython <http://www.jython.org/>`_.
    Utiliser numpy dans une fonction UDF n'est pas simple.
    La première direction consiste à utiliser une version java
    de numpy :
    

    ...




.. blogpostagg::
    :title: DictVectorizer en un peu plus simple
    :date: 2016-01-19
    :keywords: machine learning,pipeline
    :categories: scikit-learn
    :rawfile: 2016/2016-01-19_dictvectorizer.rst

    La classe `DictVectorizer <http://scikit-learn.org/stable/modules/generated/sklearn.feature_extraction.DictVectorizer.html#sklearn.feature_extraction.DictVectorizer>`_
    n'accepte pas de `DataFrame <http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.html>`_.
    Le code suivant n'est pas correct :
    

    ...




.. blogpostagg::
    :title: Données sur la musique
    :date: 2016-01-04
    :keywords: musique
    :categories: datasets
    :rawfile: 2016/2016-01-04_datasource.rst

    De nouvelles sources de données ont été ajoutés à la page
    :ref:`l-datasources` reproduites ci-dessous :
    

    ...




.. blogpostagg::
    :title: Deep learning and other readings
    :date: 2015-12-22
    :keywords: machine learning,dask,OSM,Open Street Map
    :categories: deep learning
    :rawfile: 2015/2015-12-22_deeplearning.rst

    I came accross the following article
    `Evaluation of Deep Learning Toolkits <https://github.com/zer0n/deepframeworks/blob/master/README.md>`_
    which studies a short list of libraries for deep learning: Caffe, CNTK, TensorFlow, Theano, Torch,
    and various angles: modeling capability, interfaces, model deployment, performance, architecture, ecosystem, cross-platform.
    It gives a nice overview and helps choosing the library which fits your needs. Once your deep models has been trained,
    how to use it? This question should be the first one to be answered.
    

    ...





----

|rss_image| :ref:`<== <ap-main-12>`  **page de blog - 14/16** :ref:`==> <ap-main-14>` :ref:`2022-10 (1) <ap-month-2022-10-0>` :ref:`2022-12 (2) <ap-month-2022-12-0>` :ref:`2023-01 (1) <ap-month-2023-01-0>` :ref:`2023-02 (1) <ap-month-2023-02-0>` :ref:`2023-04 (1) <ap-month-2023-04-0>`