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
- Acquérir les fondamentaux de Python en installant l'environnement, écrivant des premiers programmes, et en utilisant IPython pour interagir avec le langage.
- Maîtriser les bases du langage Python y compris les opérateurs, instructions de contrôle, fonctions, et structures de données
- Structurer un projet Python en modules et packages, en appliquant les principes de programmation modulaire pour organiser le code de manière réutilisable.
- Exploiter la bibliothèque standard de Python pour la gestion des fichiers, des répertoires, et l'interface avec le système d'exploitation
- Mettre en oeuvre les concepts de base de la programmation orientée objets
- Adopter des bonnes pratiques de développement Python
- Manipuler des tableaux de données et effectuer des calculs numériques avec NumPy en utilisant ses fonctions pour la corrélation de données, la manipulation de matrices, et d'autres opérations mathématiques
- Visualiser des données en traçant des graphiques avec Matplotlib
- Manipuler et analyser des données avec Pandas, en utilisant des Series et DataFrames pour l'indexation, la transformation, l'agrégation, et la visualisation de données.
- Explorer les bases du Machine Learning et du Deep Learning avec SciKit-Learn, TensorFlow, et PyTorch, pour comprendre les concepts clés et implémenter des modèles simples.

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 de formation

Type de formation

Non certifiante

Sortie

Sans niveau spécifique