Python - bases et introduction aux librairies scientifiques

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 œuvre 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
- 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)