Apprendre à utiliser le langage Python et ses principales librairies scientifiques pour traiter, visualiser et modéliser les données en Data Science
- L'écosystème scientifique Python
- Les incontournables: Numpy, Scipy, Pandas, Matplotlib et iPython qui sont le ciment de toutes les autres librairies scientifiques
- Panorama des librairies et logiciels scientifiques par domaine
- Les critères permettant de juger de la qualité d'une librairie
- Calculer avec des nombres réels: comprendre les erreurs de calculs
- La représentation des nombres réels
- Comprendre les erreurs de calculs et les contourner
- La scipy stack
- Manipuler des tableaux de nombres: Numpy
- Différences avec les listes Python
- Création, sélection, filtres et principales fonctions
- Visualiser ses données: Matplotlib
- Les concepts de la librairie
- Principaux graphiques: nuages de points, courbes, histogrammes, boxplot, ...
- Fonctionnalités avancées: 3D, légendes, colorbar, manipuler les axes, annotations, ...
- Analyse de données: Pandas
- Les fondements de la librairie: Manipuler des données de type CSV et Excel
- Séries et Dataframes
- Index, sélection de données, filtres/recherche, agrégations, jointures et fonctions avancées
- Manipuler des séries temporelles
- Les fonctions mathématiques avancées: Scipy
- Statistiques, optimisation, interpolations/régressions, traitement d'images
- Visualisation de données
- Présentation de l'écosystème de visualisation de données de Python
- Les librairies orientées Web: Bokeh, Altair et Plotly
- Les "écosystèmes" PyViz et HoloViz
- La visualisation de données volumineuses/big data avec DataShader
- Les statistiques avec Seaborn
- Visualiser des données géospatiales
- Convertir ses données d'un système de coordonnées à l'autre
- Cartographie interactive "à la Open Street Map/Google Maps" avec Folium/iPyleaflet
- Cartographie statique avec Cartopy
- Autres librairies géospatiales
- Manipulation de données volumineuses
- Les librairies h5py, pytables, netcdf4, xarray, iris, parquet permettant de lire vos fichiers scientifiques
- Paralléliser ses calculs avec Dask
- Paralléliser ses calculs avec CuDF
- Manipuler des dataframes gigantesques avec Dask
- Personnalisation
Sous réserve de contraintes techniques ou de confidentialité, nous vous pr
Attestation de formation
Non certificiante
Sans niveau spécifique
