Python - bases et introduction aux librairies scientifiques

Objectifs

Objectifs
Connaître les concepts du langage Python ainsi que les principales librairies scientifiques : NumPy, Pandas, Matplotlib...
Compétences visées
- Débuter dans Python
- S'approprier les bases du langage
- Savoir programmer par modules et créer des packages
- Utiliser la librairie (bibliothèque) standard de Python
- S'initier à la programmation objets
- Aller plus loin au travers d'éléments de syntaxe avancée
- Acquérir de bonnes pratiques de développement
- Gérer des tableaux de données, effectuer des calculs numériques avec NumPy
- Tracer des graphiques et visualiser les données avec Matplotlib
- Manipuler, transformer, agréger, indexer des données, réaliser des statistiques avec Pandas
- S'initier aux principales librairies de Machine Learning / Deep Learning

Programme de la formation

- Introduction rapide
Historique
Installation
Premier programme
Principales versions
Prise en main de IPython
- 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)

Validation et sanction

Attestation d'acquis ou de compétences;Attestation de suivi de présence

Type de formation

Non certifiante

Sortie

Sans niveau spécifique