.. image:: pystat.png
    :height: 20
    :alt: Statistique
    :target: http://www.xavierdupre.fr/app/ensae_teaching_cs/helpsphinx/td_2a_notions.html#pour-un-profil-plutot-data-scientist

Visualiser pour comprendre
++++++++++++++++++++++++++

(*à venir*)

*Lectures*

* `Towards Reliable Interactive Data Cleaning: A User Survey and Recommendations <http://sirrice.github.io/files/papers/cleaning-hilda16.pdf>`_
* `Combining Design and Performance in aData Visualization Management System <https://www.dropbox.com/s/0rdjsv7m7wbhmlk/cidr17-camera.pdf?dl=0>`_

*Modules*

* `TensorBoard <https://www.tensorflow.org/versions/r0.12/tutorials/>`_ :
  Il sert à visualiser les résultats intermédiaires, à comparer,
  à voir les résultats d'un processus
  de machine learning, en particulier les réseaux de neurones profond.
  Il fonctionne aussi avec `Keras <https://keras.io/callbacks/#tensorboard>`_.
  `How to use tensorboard Embedding Projector ?
  <http://stackoverflow.com/questions/40849116/how-to-use-tensorboard-embedding-projector/42775951>`_
  Exemples `TensorBoard: Embedding Visualization
  <http://ahogrammer.com/2016/12/01/tensorboard-embedding-visualization/>`_,
  `An Encounter with Google’s TensorFlow
  <https://esciencegroup.com/2016/01/05/an-encounter-with-googles-tensorflow/>`_,
  `How to plot a ROC curve with Tensorflow and scikit-learn?
  <http://stackoverflow.com/questions/36939328/how-to-plot-a-roc-curve-with-tensorflow-and-scikit-learn>`_
* `Prodigy <https://prodi.gy/>`_ : les problèmes d'apprentissage supervisés requiert des
  annotations ou labels. Il est plus facile de les produire avec de bons outils.
  `Prodigy <https://prodi.gy/>`_ pourrait être l'un d'eux, l'outil est prévu
  pour annoter le texte et les images.
* `labelImg <https://github.com/tzutalin/labelImg>`_ : annotation d'images
* :epkg:`streamlit` : cet outil permet de faire des dashboards pour
    visualiser les données selon différents angles.
* :epkg:`dtreeviz` : pour visualiser les arbres de décision