Données numériques: exercices de programmation
Restez organisé à l'aide des collections Enregistrez et classez les contenus selon vos préférences.
Prenez le temps de réaliser les exercices suivants pour mettre en pratique ce que vous avez appris dans la section Premiers pas avec les données numériques.
- Obtenir des statistiques sur un ensemble de données, qui vous explique comment trouver des colonnes contenant des valeurs aberrantes flagrantes:
- Trouver la partie défectueuse de l'ensemble de données, qui vous guide à travers des méthodes visuelles et mathématiques pour trouver des valeurs défectueuses cachées dans un ensemble de données:
Les exercices de programmation s'exécutent directement dans votre navigateur (aucune configuration requise) à l'aide de la plate-forme Colaboratory. Colaboratory est compatible avec la plupart des principaux navigateurs et a fait l'objet des tests les plus complets sur les versions pour ordinateur de Chrome et de Firefox.
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/01/29 (UTC).
[null,null,["Dernière mise à jour le 2025/01/29 (UTC)."],[[["\u003cp\u003eThis page provides programming exercises focusing on practicing numerical data analysis skills learned in a previous lesson.\u003c/p\u003e\n"],["\u003cp\u003eTwo Colab exercises are available: one on calculating descriptive statistics and identifying outliers, and another on detecting and handling bad data values in a dataset.\u003c/p\u003e\n"],["\u003cp\u003eThe exercises are browser-based and require no setup, utilizing the Colaboratory platform, primarily supported on Chrome and Firefox desktop versions.\u003c/p\u003e\n"]]],[],null,["# Numerical data: Programming exercises\n\nTake some time to complete the following exercises to practice what you've\nlearned in\n[First steps with numerical data](/machine-learning/crash-course/numerical-data/first-steps).\n\n- **Get statistics on a dataset** , which shows you how to find columns containing blatant outliers: \n [Open math statistics exercise](https://colab.research.google.com/github/google/eng-edu/blob/main/ml/cc/exercises/numerical_data_stats.ipynb?utm_source=mlcc&utm_campaign=colab-external&utm_medium=referral&utm_content=numerical_data_stats)\n- **Find the bad part of the dataset** , which guides you through visual and mathematical ways to find hidden *bad* values in a dataset: \n [Open \"bad part\" dataset exercise](https://colab.research.google.com/github/google/eng-edu/blob/main/ml/cc/exercises/numerical_data_bad_values.ipynb?utm_source=mlcc&utm_campaign=colab-external&utm_medium=referral&utm_content=numerical_data_bad_values)\n\nProgramming exercises run directly in your browser (no setup\nrequired!) using the [Colaboratory](https://colab.research.google.com)\nplatform. Colaboratory is supported on most major browsers, and is most\nthoroughly tested on desktop versions of Chrome and Firefox. \n[Help Center](https://support.google.com/machinelearningeducation)"]]
