Objectifs, programme, validation de la formation
Apprendre à utiliser le langage Python et ses principales librairies scientifiques pour traiter, visualiser et modéliser les données en Data Science
- Introduction rapide
- Historique
- Installation
- Premier programme
- Principales versions
- Prise en main de Python
- Bases du langage
- Opérateurs et expressions
- Instructions de contrôle
- Fonctions
- Structures de données
- Modules et packages
- Programmation modulaire
- Importation de modules
- Du module au Package
- Librairie standard
- Gestion des fichiers
- Gestion des répertoires
- Interface avec le système
- Programmation objets (bases)
- Définition de classes
- Héritages
- Gestion des exceptions
- Surcharge des opérateurs
- Syntaxe avancée
- Définitions fonctionnelles de listes
- Itérateurs et générateurs
- Décorateurs
- Instructions "with" et Contextlib
- Lambda fonctions
- Aide au développement
- Documentation de code
- Tests unitaires
- Debugger
- Installation de packages (pip)
- NumPy
- Base de NumPy (tableaux et types)
- Entrées/Sorties
- Fonctions utiles
- corrélation de données
- polynômes
- programmation fonctionnelle
- Manipulation de matrices
- Matplotlib
- Structure d'un graphe - éléments esthétiques
- Layout et Annotations
- Graphes en 3D
- Graphes interactifs
- Introduction à Seaborn
- Introduction à VisPy (3D temps-réel)
- Pandas
- Manipulation de Series et DataFrames
- Indexation, Catégories
- Fonctions numériques et statistiques
- Lecture & écriture de données
- Transformation de données
- Agrégations
- Time-Series
- Visualisation
- Machine Learning
- Introduction à SciKit-Learn
- Introduction à TensorFlow
- Introduction à PyTorch (Deep Learning)
Attestation de formation
Non certificiante
Sans niveau spécifique
