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

Attestation de formation

Type de formation

Non certifiante

Sortie

Sans niveau spécifique