Python Data Science avec Python

Objectifs

• Comprendre l'écosystème Python dédié à la Data Science
• Maîtriser les bases du langage Python appliquées à l'analyse de données
• Manipuler, nettoyer et préparer des jeux de données
• Réaliser des analyses statistiques exploratoires
• Créer des visualisations de données pertinentes
• Appliquer des algorithmes de Machine Learning supervisés et non supervisés
• Évaluer et améliorer les performances des modèles
• Mettre en œuvre un projet Data Science complet

Programme de la formation

Module 1 : Introduction à la Data Science et à Python

• Présentation de la Data Science
• Cas d'usage et métiers associés
• Installation de l'environnement de travail (Python, Anaconda, Jupyter)
• Présentation des bibliothèques clés

Module 2 : Fondamentaux de Python pour la Data Science

• Syntaxe de base et structures de données
• Conditions, boucles et fonctions
• Manipulation de fichiers
• Bonnes pratiques de programmation

Module 3 : Manipulation et analyse de données

• Introduction à NumPy
• Manipulation de données avec Pandas
• Importation et exportation de données
• Nettoyage et préparation des datasets

Module 4 : Analyse exploratoire et statistiques

• Statistiques descriptives
• Analyse univariée et bivariée
• Détection des valeurs aberrantes
• Introduction aux probabilités

Module 5 : Visualisation des données

• Principes de la data visualisation
• Visualisation avec Matplotlib
• Visualisation avancée avec Seaborn
• Création de graphiques interprétables

Module 6 : Introduction au Machine Learning

• Concepts fondamentaux du Machine Learning
• Apprentissage supervisé et non supervisé
• Séparation des jeux de données
• Métriques d'évaluation des modèles

Module 7 : Algorithmes de Machine Learning avec Python

• Régression linéaire et logistique
• K-means et clustering
• Arbres de décision et forêts aléatoires
• Utilisation de Scikit-learn

Module 8 : Projet Data Science

• Définition d'une problématique métier
• Analyse complète d'un jeu de données
• Construction et évaluation d'un modèle
• Présentation et interprétation des résultats

Validation et sanction

• Être capable d'analyser et de traiter des données avec Python
• Construire des visualisations claires et exploitables
• Développer et évaluer des modèles de Machine Learning
• Mener un projet Data Science de bout en bout
• Comprendre les enjeux métiers liés aux données

Type de formation

Non certifiante

Sortie

Sans niveau spécifique