> ## Documentation Index
> Fetch the complete documentation index at: https://docs.wandb.ai/llms.txt
> Use this file to discover all available pages before exploring further.

> Affinez vos jeux de données et comprenez les prédictions du modèle

# Aperçu de Tables

export const TryProductLink = ({url}) => <a href={url} target="_blank" rel="noopener noreferrer" className="github-source-link">
    <svg width="20" height="20" viewBox="0 0 24 24" fill="none" stroke="currentColor" strokeWidth="2" strokeLinecap="round" strokeLinejoin="round" xmlns="http://www.w3.org/2000/svg">
      <line x1="4" y1="21" x2="4" y2="14"></line>
      <line x1="4" y1="10" x2="4" y2="3"></line>
      <line x1="12" y1="21" x2="12" y2="12"></line>
      <line x1="12" y1="8" x2="12" y2="3"></line>
      <line x1="20" y1="21" x2="20" y2="16"></line>
      <line x1="20" y1="12" x2="20" y2="3"></line>
      <circle cx="4" cy="12" r="2"></circle>
      <circle cx="12" cy="10" r="2"></circle>
      <circle cx="20" cy="14" r="2"></circle>
    </svg>
    Essayer sur W&amp;B
  </a>;

export const ColabLink = ({url}) => <a href={url} target="_blank" rel="noopener noreferrer" className="colab-link">
    <svg width="20" height="20" viewBox="0 0 24 24" fill="currentColor" xmlns="http://www.w3.org/2000/svg">
      <path d="M14.25.18l.9.2.73.26.59.3.45.32.34.34.25.34.16.33.1.3.04.26.02.2-.01.13V8.5l-.05.63-.13.55-.21.46-.26.38-.3.31-.33.25-.35.19-.35.14-.33.1-.3.07-.26.04-.21.02H8.77l-.69.05-.59.14-.5.22-.41.27-.33.32-.27.35-.2.36-.15.37-.1.35-.07.32-.04.27-.02.21v3.06H3.17l-.21-.03-.28-.07-.32-.12-.35-.18-.36-.26-.36-.36-.35-.46-.32-.59-.28-.73-.21-.88-.14-1.05-.05-1.23.06-1.22.16-1.04.24-.87.32-.71.36-.57.4-.44.42-.33.42-.24.4-.16.36-.1.32-.05.24-.01h.16l.06.01h8.16v-.83H6.18l-.01-2.75-.02-.37.05-.34.11-.31.17-.28.25-.26.31-.23.38-.2.44-.18.51-.15.58-.12.64-.1.71-.06.77-.04.84-.02 1.27.05zm-6.3 1.98l-.23.33-.08.41.08.41.23.34.33.22.41.09.41-.09.33-.22.23-.34.08-.41-.08-.41-.23-.33-.33-.22-.41-.09-.41.09zm13.09 3.95l.28.06.32.12.35.18.36.27.36.35.35.47.32.59.28.73.21.88.14 1.04.05 1.23-.06 1.23-.16 1.04-.24.86-.32.71-.36.57-.4.45-.42.33-.42.24-.4.16-.36.09-.32.05-.24.02-.16-.01h-8.22v.82h5.84l.01 2.76.02.36-.05.34-.11.31-.17.29-.25.25-.31.24-.38.2-.44.17-.51.15-.58.13-.64.09-.71.07-.77.04-.84.01-1.27-.04-1.07-.14-.9-.2-.73-.25-.59-.3-.45-.33-.34-.34-.25-.34-.16-.33-.1-.3-.04-.25-.02-.2.01-.13v-5.34l.05-.64.13-.54.21-.46.26-.38.3-.32.33-.24.35-.2.35-.14.33-.1.3-.06.26-.04.21-.02.13-.01h5.84l.69-.05.59-.14.5-.21.41-.28.33-.32.27-.35.2-.36.15-.36.1-.35.07-.32.04-.28.02-.21V6.07h2.09l.14.01.21.03zm-6.47 14.25l-.23.33-.08.41.08.41.23.33.33.23.41.08.41-.08.33-.23.23-.33.08-.41-.08-.41-.23-.33-.33-.23-.41-.08-.41.08z" />
    </svg>
    Essayer sur Colab
  </a>;

<CardGroup cols={4}>
  <ColabLink url="https://colab.research.google.com/github/wandb/examples/blob/master/colabs/datasets-predictions/W%26B_Tables_Quickstart.ipynb" />

  <TryProductLink url="https://wandb.ai/wandb/examples/reports/AlphaFold-ed-Proteins-in-W-B-Tables--Vmlldzo4ODc0MDc" />
</CardGroup>

Utilisez W\&B Tables pour visualiser et interroger des données tabulaires. Par exemple :

* Comparez les performances de différents modèles sur le même jeu de test
* Identifiez des tendances dans vos données
* Examinez visuellement des exemples de prédictions du modèle
* Effectuez des requêtes pour trouver des exemples souvent mal classés

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541/88iR80mZ8tuFCZUU/images/data_vis/tables_sample_predictions.png?fit=max&auto=format&n=88iR80mZ8tuFCZUU&q=85&s=a89fb487429d2c4e142debe5a0d90025" alt="Tableau de prédictions de segmentation sémantique" width="2104" height="1340" data-path="images/data_vis/tables_sample_predictions.png" />
</Frame>

L'image ci-dessus montre un tableau avec de la segmentation sémantique et des métriques personnalisées. Consultez ce tableau ici, dans cet [exemple de projet du cours de ML de W\&B](https://wandb.ai/av-team/mlops-course-001).

<div id="how-it-works">
  ## Fonctionnement
</div>

Un tableau est une grille de données en deux dimensions, où chaque colonne ne contient qu’un seul type de données. Les Tables prennent en charge les types primitifs et numériques, ainsi que les listes imbriquées, les dictionnaires et les médias enrichis.

<div id="log-a-table">
  ## Journaliser un tableau
</div>

Journalisez un tableau avec quelques lignes de code :

* [`wandb.init()`](/fr/models/ref/python/functions/init) : Créez un [run](/fr/models/runs/) pour suivre les résultats.
* [`wandb.Table()`](/fr/models/ref/python/data-types/table) : Créez un objet tableau.
  * `columns` : Définissez les noms des colonnes.
  * `data` : Définissez le contenu du tableau.
* [`run.log()`](/fr/models/ref/python/experiments/run.md/#method-runlog) : Journalisez le tableau afin de l’enregistrer dans W\&B.

```python theme={null}
import wandb

with wandb.init(project="table-test") as run:
    my_table = wandb.Table(columns=["a", "b"], data=[["a1", "b1"], ["a2", "b2"]])
    run.log({"Table Name": my_table})
```

<div id="how-to-get-started">
  ## Bien démarrer
</div>

* [Démarrage rapide](/fr/models/tables/tables-walkthrough/) : découvrez comment journaliser des tableaux de données, visualiser les données et les interroger.
* [Galerie Tables](/fr/models/tables/tables-gallery/) : voir des exemples de cas d’usage pour Tables.
