Maxime MaximePawlakFr

## 2019-02 pandas 04.py
def set_pos(row, key):
 r = row.copy()
 return str(r[key][0]) + "," + str(r[key][1])

prec_pos_index = df_grouped.apply(lambda x:set_pos(x,"prec_point"), axis=1)
interv_pos_index = df_grouped.apply(lambda x:set_pos(x,"interv_point"), axis=1)

## 2019-02 pandas 03.py
def sampleToPoint(sample, prefix):
 latStr = sample[prefix + "_lat"]
 lat = stringPositionToInt(latStr)

 lngStr = sample[prefix + "_lon"]
 lng = stringPositionToInt(lngStr)

 point = [lat, lng]
 return point

## 01.py
import pandas as pd
df = pd.read_csv("./data.csv",sep=";")
print("Shape:")
print(df.shape)
print(df.dtypes)
df.head(20)

## Notes on Deep Learning with Python - François Chollet.md

      
              2 files
            
          
              0 forks
            
          
              0 comments
            
          
              0 stars
            
          
                MaximePawlakFr
                / Notes on Deep Learning with Python - François Chollet.md
            
            
              Last active
              January 20, 2019 18:02
            
              
                2018 - Lectures hivernales 
              
          
    Notes on Deep Learning with Python - François Chollet.md


Define the problem and assemble a dataset
Choose a measure of success (loss function)
Decide on an evaluation protocol


K-Fold cross validation (= few samples)
Iterated k-fold validation (model evaluation when little data)


Prepare your data


## CV_2018-05.md

      
              1 file
            
          
              0 forks
            
          
              0 comments
            
          
              0 stars
            
          
                MaximePawlakFr
                / CV_2018-05.md
            
            
              Last active
              May 16, 2018 17:26
            
          
    En quelques mots : curiosité, sérendipité et Lean => Techplorateur
Expériences

commit42 - Chef de projet


Oct. 2017 - Avril 2018


Faire en sorte que l'équipe de développeurs développent un maximum

gestion de la relation client, du planning, de la prospection...


Missions d'accompagnement à l'innovation et à la mise en place d'un prototype
Animation d'ateliers et de formation sur l'innovation en collaboration avec JVF.agency


## titanic_python_cheatsheet.py
# Libraries
import pandas as pd
import numpy as np
import random as rnd

import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline

import sklearn as sk

## Data Journey [1?].md

      
              1 file
            
          
              0 forks
            
          
              0 comments
            
          
              0 stars
            
          
                MaximePawlakFr
                / Data Journey [1?].md
            
            
              Created
              June 2, 2017 07:19
            
          
    Au printemps 2016, Leonardo Noleto, à l’époque président de l’association Toulouse Data Science (un groupe meetup très productif et super sympa), annonçait qu’il partait de Toulouse pour Paris #sniff. Après pas mal de discussions sur “j’ai envie de tester la (… attention buzzword is coming…) Data Science, de voir concrètement ce que fait un (… buzzword is coming again…) Data Scientist au jour le jour afin de, pourquoi pas, envisager de travailler dans ce domaine”.
“Métier le plus sexy du 21ème siècle” qu’ils disaient.

Le meetup Toulouse Data Science : TDS
Leonardo me dirige donc vers un MOOC (Massive Online Open Course, un cours sur un internet) très populaire et très bien ficelé par le MIT (une petite université du Massachusetts) : The Analytics Edge.
Try n°1

En juin 2016, je me plonge dedans. J’y consacre 1h30 tous les matins avant de partir travailler (j’étais dans ma dynamique de Morning Routine). Le moins que l’on puisse dire est que c’était un sacré morceau ! Il me fallait 3–4 jours pour termi

  
## first_steps.r
# Let's read a file and see what is inside
who = read.csv("WHO.csv")
str(who)
summary(who)

# Divide and Conquer !
who_europe = subset(who, Region == "Europe")

which.min(who$Under15)

## rpgmgchg.php.md

      
              1 file
            
          
              0 forks
            
          
              0 comments
            
          
              0 stars
            
          
                MaximePawlakFr
                / rpgmgchg.php.md
            
            
              Last active
              September 23, 2019 12:53
            
          
    Step 1 : Afficher un tableau d'utilisateurs

User.php

Créer une classe User dans User.php qui contient les attributs suivants :

id (String)
email (String)
createdAt (Date)
Ajouter les accesseurs nécessaires et rendez ces attributes privés.

Client.php


## poo-php_SrcUtils.php
<!DOCTYPE html>
<html>
<head>
	<title>srcUtils</title>
</head>
<body>
<?php
// echo "Start";
	def set_pos(row, key):
	r = row.copy()
	return str(r[key][0]) + "," + str(r[key][1])

	prec_pos_index = df_grouped.apply(lambda x:set_pos(x,"prec_point"), axis=1)
	interv_pos_index = df_grouped.apply(lambda x:set_pos(x,"interv_point"), axis=1)
	def sampleToPoint(sample, prefix):
	latStr = sample[prefix + "_lat"]
	lat = stringPositionToInt(latStr)

	lngStr = sample[prefix + "_lon"]
	lng = stringPositionToInt(lngStr)

	point = [lat, lng]
	return point
	import pandas as pd
	df = pd.read_csv("./data.csv",sep=";")
	print("Shape:")
	print(df.shape)
	print(df.dtypes)
	df.head(20)
	# Libraries
	import pandas as pd
	import numpy as np
	import random as rnd

	import seaborn as sns
	import matplotlib.pyplot as plt
	%matplotlib inline

	import sklearn as sk
	# Let's read a file and see what is inside
	who = read.csv("WHO.csv")
	str(who)
	summary(who)

	# Divide and Conquer !
	who_europe = subset(who, Region == "Europe")

	which.min(who$Under15)
	<!DOCTYPE html>
	<html>
	<head>
	<title>srcUtils</title>
	</head>
	<body>
	<?php
	// echo "Start";