Python pour la data science

Objectifs

Apprendre à utiliser le langage Python et ses principales librairies scientifiques pour traiter, visualiser et modéliser les données en Data Science

Programme de la formation

- Introduction rapide

• Historique


• Installation


• Premier programme


• Principales versions


• Prise en main de Python

- 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

- Identifier et utiliser les librairies incontournables de Python pour la data science : La Scipy Stack

- Identifier et utiliser les principales librairies de visualisation de données et notamment orientées cartographie

- Savoir manipuler des données volumineuses ne tenant pas en mémoire

- Avoir une bonne compréhension de l'écosystème scientifique de Python, savoir trouver ses librairies et juger de leur qualité

Type de formation

Non certifiante

Sortie

Sans niveau spécifique