Glossaire

Anaconda

Qu’est-ce que Anaconda ?

Anaconda est une distribution répandue des langages Python et R pour l'analyse de données et l'apprentissage automatique, éditée par la société Anaconda Inc. Elle associe le gestionnaire de paquets conda à des bibliothèques préinstallées comme NumPy, pandas et Jupyter, et facilite des environnements séparés par projet. Les organisations de plus de 200 personnes doivent acquérir une licence payante pour l'Anaconda Distribution et son canal de paquets par défaut ; conda et le canal communautaire conda-forge restent libres d'utilisation (état : octobre 2026).

Thèmes

Python
Science des données
Environnement de développement

Essayer KI.ordo

Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.

Lancer la démo

← Tous les termes

Termes associés

NumPy

NumPy est la bibliothèque Python open source de référence pour le calcul numérique. Elle fournit des tableaux multidimensionnels et des fonctions rapides d’algèbre linéaire, de statistique et de génération de nombres aléatoires, dont le cœur s’exécute en code compilé. De nombreux outils d’analyse de données et de machine learning, comme pandas, scikit-learn et beaucoup de bibliothèques de visualisation, reposent sur NumPy. Quiconque travaille avec des données en Python l’utilise donc presque toujours, directement ou non.

Python
analyse de données
+1

pandas

pandas est une bibliothèque Python open source d’analyse et de manipulation de données tabulaires, développée à partir de 2008 par Wes McKinney. Son objet central, le DataFrame, ressemble à un tableau aux colonnes nommées. Elle permet d’importer des données depuis des fichiers CSV, Excel ou des bases de données, puis de les nettoyer, filtrer, regrouper et fusionner. pandas repose sur NumPy et constitue un outil standard d’analyse de données, de reporting et de préparation des données d’entraînement.

Python
analyse de données
+1

Jupyter Notebook

Jupyter Notebook est une application open source fonctionnant dans le navigateur, issue du projet Jupyter, qui réunit dans un même document du code exécutable, des résultats, des graphiques et du texte explicatif. Les notebooks sont très utilisés en analyse de données, en apprentissage automatique, en recherche et en enseignement, car chaque étape peut être documentée et partagée de façon traçable. Python est le langage le plus courant. Exemple : un analyste charge des ventes, les nettoie et affiche le résultat sous forme de graphique juste en dessous.

Analyse de données
Python
+1

Scikit-learn

Scikit-learn est une bibliothèque Python open source dédiée à l'apprentissage automatique classique. Elle fournit des outils homogènes pour la classification, la régression, le clustering, la réduction de dimension, le prétraitement des données et l'évaluation des modèles, comme la validation croisée. Fondée sur NumPy et SciPy, elle est très utilisée dans l'enseignement, la recherche et la pratique grâce à son interface simple et cohérente. Pour les réseaux de neurones profonds, on lui préfère généralement PyTorch ou TensorFlow.

Python
bibliothèque
+1