Framework - Cadriciel - Bibliothèque Python

Objectifs

Comprendre les Frameworks et Cadriciels Python

Utiliser les Frameworks Web en Python

Manipuler les données avec des Bibliothèques Python

Développer des applications de bureau en Python

Traiter les Données en Temps Réel avec Python

Exploiter les Frameworks Python pour l'apprentissage automatique et l'IA

Programme de la formation

Comprendre les Frameworks et Cadriciels Python

- Comprendre les Frameworks

- Explorer l'historique et l'évolution des Frameworks

- Évaluer les avantages de l'utilisation des Frameworks

- Examiner les inconvénients de l'utilisation des Frameworks

- Découvrir les Frameworks Python populaires

- Sélectionner le Framework approprié

Utiliser les Frameworks Web en Python

- Installer et configurer Flask

- Créer une application web simple avec Flask

- Gérer les routes et les vues avec Flask

- Comprendre les principes et la structure de projet de Django

- Créer un projet Django

- Comparer Flask et Django

Manipuler les données avec des Bibliothèques Python

- S'initier à Pandas

- Charger et explorer des données avec Pandas

- Nettoyer et transformer des données avec Pandas

- Réaliser la visualisation de données avec Matplotlib

- Utiliser d'autres bibliothèques de visualisation (Seaborn, Plotly)

- Maîtriser la manipulation avancée de données avec Pandas

Développer des applications de bureau en Python

- Découvrir Tkinter

- Créer des interfaces utilisateur avec Tkinter

- Gérer les événements avec Tkinter

- S'initier et utiliser PyQt

- Concevoir des applications de bureau avec PyQt

- Comparer Tkinter et PyQt

Traiter les Données en Temps Réel avec Python

- Explorer Kafka

- Configurer et utiliser Kafka

- Mettre en place le streaming de données avec Kafka

- S'initier à Apache Spark

- Appliquer le traitement des flux de données en temps réel avec Spark Streaming

- Explorer les applications du traitement en temps réel

Exploiter les Frameworks Python pour l'apprentissage automatique et l'IA

- Découvrir Scikit-Learn

- Entraîner des modèles de machine learning avec Scikit-Learn

- S'initier à TensorFlow

- Créer des réseaux de neurones avec TensorFlow

- Explorer PyTorch

- Développer des modèles d'IA avec PyTorc

Validation et sanction

Attestation de formation

Type de formation

Non certifiante

Sortie

Sans niveau spécifique