Python pour la Data Science
Date de mise à jour :
Identifiant Offre Info : 15_610758
Organisme responsable :
Data Value
(ouvre dans un nouvel onglet)
Présentation de la formation
Objectifs
Programme de la formation
- L'écosystème scientifique Python Les incontournables: Numpy, Scipy, Pandas, Matplotlib et iPython qui sont le ciment de toutes les autres librairies scientifiques Panorama des librairies et logiciels scientifiques par domaine Les critères permettant de juger de la qualité d'une librairie - Calculer avec des nombres réels: comprendre les erreurs de calculs La représentation des nombres réels Comprendre les erreurs de calculs et les contourner - La scipy stack Manipuler des tableaux…
- Les incontournables: Numpy, Scipy, Pandas, Matplotlib et iPython qui sont le ciment de toutes les autres librairies scientifiques
- Panorama des librairies et logiciels scientifiques par domaine
- Les critères permettant de juger de la qualité d'une librairie
- La représentation des nombres réels
- Comprendre les erreurs de calculs et les contourner
- Manipuler des tableaux de nombres: Numpy
- Différences avec les listes Python
- Création, sélection, filtres et principales fonctions
- Visualiser ses données: Matplotlib
- Les concepts de la librairie
- Principaux graphiques: nuages de points, courbes, histogrammes, boxplot, ...
- Fonctionnalités avancées: 3D, légendes, colorbar, manipuler les axes, annotations, ...
- Analyse de données: Pandas
- Les fondements de la librairie: Manipuler des données de type CSV et Excel
- Séries et Dataframes
- Index, sélection de données, filtres/recherche, agrégations, jointures et fonctions avancées
- Manipuler des séries temporelles
- Les fonctions mathématiques avancées: Scipy
- Statistiques, optimisation, interpolations/régressions, traitement d'images
- Présentation de l'écosystème de visualisation de données de Python
- Les librairies orientées Web: Bokeh, Altair et Plotly
- Les "écosystèmes" PyViz et HoloViz
- La visualisation de données volumineuses/big data avec DataShader
- Les statistiques avec Seaborn
- Visualiser des données géospatiales
- Convertir ses données d'un système de coordonnées à l'autre
- Cartographie interactive "à la Open Street Map/Google Maps" avec Folium/iPyleaflet
- Cartographie statique avec Cartopy
- Autres librairies géospatiales
- Les librairies h5py, pytables, netcdf4, xarray, iris, parquet permettant de lire vos fichiers scientifiques
- Paralléliser ses calculs avec Dask
- Paralléliser ses calculs avec CuDF
- Manipuler des dataframes gigantesques avec Dask
Sous réserve de contraintes techniques ou de confidentialité, nous vous pr
Validation et sanction
Type de formation
Non certifiante
Niveau de sortie
Sans niveau spécifique
Durée, rythme, financement
Durée
En centre
35 h
Financement
- Conventionnement
- Oui
- Financeur
-
- Autre
Conditions d'accès
Public visé
- Tout public
Niveau d'entrée
Sans niveau spécifique
Conditions spécifiques et prérequis
Pour suivre ce stage dans de bonnes conditions, il est recommandé d'avoir suivi en amont la formation<a href="https://www.datavalue.fr/formation-python-bases-introduction-librairies-scientifiques" target="" rel="">Python – Bases et introduction aux librairies scientifiquesou d'avoir atteint par la pratique un niveau équivalent\n\nProcédure d'admission: \nUn formulaire d'auto-évaluation proposé en amont de la formation nous permettra d'évaluer votre niveau et de recueillir vos attentes. Ce même formulaire soumis en aval de la formation fournira une appréciation de votre progression.
Lieu de réalisation de l'action
Modalités d'enseignement
Formation entièrement en présentielle
Adresse
41 rue de la DécouverteCS 37623
31676 Labège
Responsable : Data Value
Périodes prévisibles de déroulement des sessions
Début
Fin
- Adresse d'inscription
-
41 rue de la Découverte
31676 Labège - État du recrutement
- Ouvert
- Modalités
- Entrées / Sorties à dates fixes